使用pythons lxml库正确的xpath语法，用于解析任意嵌套的html标记中的所有文本

Question

我在python中使用lxml创建了以下xpath语法

htmlPage.xpath("/html/body//a/text()")

它让我在我想要的特定html范围内获得所有的<a>-tags。现在，我遇到了<a>-tags可能如下所示：

<a>This is a sentence with some <italic>italic text</italic>-formatting I want to parse.</a>

xpath返回的列表比我预期的多了一个元素。我检查了一下，发现它将上面提到的<a>-tag拆分为两个列表元素，而不是一个。而不是字符串

"This is a sentence with some italic text-formatting I want to parse."

我得到了两个字符串

"This is a sentence with some" # and
"-formatting I want to parse."

有没有办法纠正这一点？

Answer 1

我通过首先获取所有<a>-tags解决了我的问题

results = htmlPage.xpath("/html/body//a")

然后迭代返回的列表并对列表元素使用text_content()

for a_tag in results:
    print a_tag.text_content() # prints bthe whol string: "This is a sentence with some italic text-formatting I want to parse."