17370845950

normalize-space() 是 XPath 中用于清理空白字符的函数，它去除首尾空白并将中间连续空白压缩为单个空格，适用于文本提取、属性匹配及多节点拼接等场景。

normalize-space() 是 XPath 里专门对付“乱空格”的实用函数，核心就两件事：砍掉开头和结尾的所有空白（包括空格、换行 \n、制表符 \t、回车 \r），再把中间一串连着的空白压缩成一个普通空格。

清理文本内容，避免换行缩进干扰

HTML 中的文本常因排版需要带大量 \n\t，直接取 text() 会得到像 "\n\t Hello World \n" 这样的结果。用 normalize-space() 后就变成 "Hello World" —— 干净、可读、方便后续处理。

• 错误写法：response.xpath('//div[@class="title"]/text()') → 可能返回 ['\n ', '产品名称', '\n ']
• 推荐写法：response.xpath('normalize-space(//div[@class="title"]/text())') → 直接得 "产品名称"

精准匹配带空格的属性或文本

有些元素的 class、title 等属性值前后有空格，或者中间多个空格不一致，用等号匹配会失败。normalize-space() 可先标准化再比较。

• 原始 class 值可能是 " active " 或 "new item"（两个空格）
• 写成 //button[normalize-space(@class)='active'] 就能稳稳命中
• 同理，//span[normalize-space(text())='确认提交'] 不怕按钮文字前后有缩进

配合 string() 或多节点拼接时统一格式

当用 string(//div) 提取整块内容，或拼接多个 text() 节点时，容易混入多余空白。套一层 normalize-space() 就能一步规整。

• 比如：normalize-space(string(//article)) → 整篇文章文本变单行、无首尾杂空
• 又如：normalize-space(//p[1]/text() | //p[2]/text()) → 把两段文字自然拼一起，中间只留一个空格

基本上就这些。不复杂但容易忽略，加个 normalize-space() 往往就能让爬虫提取更稳、匹配更准。