xpath的高级用法：获取标签下的所有文本，包括子标签下的文本；
2018-04-26 本文已影响107人
sexy_cyber
from lxml import etree
tree = etree.HTML(content)
object = tree.xpath('xpath规则') .........得到匹配对象
核心用法：
content = object.xpath('string(.)') ............返回字符串
content = content.replace('\n','').replace(' ','') ..过滤掉换行和空格
应用场景：很多时候网页会给一段文字加上<em>,<b>,<span>标签；来实现对一段文本内不同文字样式的操作，但是这对爬虫就不大友好了，需要，需要更为复杂的匹配规则和信息过滤；
