17370845950

XPath中获取所有后代文本节点的核心表达式是//text()，它返回文本节点集合而非拼接字符串；实际应用中常配合normalize-space()过滤空白节点，并需宿主语言完成最终字符串拼接。

XPath 中没有直接的“并集”操作符来合并多个文本节点的内容，但可以通过 //text() 选中所有后代文本节点（非空、非空白的需额外过滤），这是最接近“所有后代文本节点集合”的表达方式。

选择所有后代文本节点（基础写法）

//text() 会选取当前上下文节点的所有后代元素中的所有文本节点（包括空白、换行等）。注意：它返回的是文本节点的集合，不是字符串拼接结果。

• 适用于获取 HTML 或 XML 中所有纯文本内容（如爬虫提取页面正文）
• 不包含注释、处理指令、属性值，只选 元素内部的文本节点
• 在浏览器控制台或 lxml 中可直接用，例如：$x('//div//text()')

过滤掉空白和换行的文本节点

实际使用中，常需排除仅含空白符的节点，可用 normalize-space() 配合布尔判断：

• //*/text()[normalize-space()] —— 只选内容经去首尾空格、压缩中间空白后非空的文本节点
• 等价于：//text()[string-length(normalize-space()) > 0]
• 这样能避开 \n

  hello

  \n 中的换行符文本节点

合并所有文本为单个字符串（非 XPath 原生，需宿主语言配合）

XPath 本身不提供字符串拼接函数（XPath 1.0 无 string-join()），所以“并集”若指拼成一个字符串，需外部处理：

• XPath 2.0+ 支持：string-join(//*/text()[normalize-space()], '')
• 但在主流浏览器（仅支持 XPath 1.0）或 requests+lxml 场景中，需用 Python/JS 等代码聚合结果：
  Python 示例：
  [t.strip() for t in tree.xpath('//*/text()') if t.strip()]
  再用 ''.join(...) 拼接

基本上就这些。记住核心是 //text()，其余都是围绕它做清洗或后续整合。