跟进： HTML XPath： 提取混合了多个标签的文本？
我使我的测试用例更加困难：
<div id="mw-content-text"><h2><span class="mw-headline" >CIA</span></h2>
<ol>
<li><small>Military</small> Central <a href="/Intelligence_Agency.html">Intelligence Agency</a>.</li>
<li>Culinary <a href="/Institute.html">Institute</a> of <a href="/America.html">America</a>.<br/>Renowned cooking school.</li>
</ol>
</div>
我有相同的目标，即提取：
- 中央情报局
- 美国烹饪学院
我可以有选择地选择排除哪些标签吗？
我尝试过这样的事情(用于删除"军事"(：
id('mw-content-text')/ol/li[not(self::small)]
但该条件将应用于整个"li"节点，因此不受影响。
如果我做类似的事情
id('mw-content-text')/ol/li/*[not(self::small)]
然后我只过滤孩子，即使我成功地扔掉了"军事"，我也扔掉了"中央"、"烹饪"，即来自父母的文本。
我理解这棵树是这样的：
div -- li
-- small -- Military
-- Central
-- a -- Intelligence Agency
-- li
-- Culinary
-- a -- Institute
-- of
-- a -- America
-- br
-- Renowned cooking school.
这是对的吗？有没有办法说"李氏和李氏后代的文本元素，除了小的后代？怎么样'...除了 br 元素和所有后续文本元素？
同样，使用(部分(Pythonic解决方案也是可以接受的，尽管XPath是首选。
在坐下来阅读了 Erik Ray 的"学习 XML，第二版"的第 6 章"XPath 和 XPointer"之后，我想我已经掌握了它。我想出了以下公式：
id('mw-content-text')/ol/li//text()[not(parent::small) and not(preceding-sibling::br)]
在这种情况下，似乎无法连接文本节点的结果节点集。当我们简单地将 'li' 元素馈送到字符串函数时，得到的字符串值只是元素节点 li 后代的串联。但在这种情况下，我们需要做进一步的过滤，这样我们就会得到一个节点集(符合条件的文本节点(而不是单个元素节点。关于连接节点集，可以在此处找到一个有用的 SO 问题：用于返回合格子节点值的字符串串联的 XPath
如何改进此解决方案的任何建议？
使用：
/*/ol/li/descendant-or-self::*
[text() and not(self::small)]
/text()[not(preceding-sibling::br)]