Analyse d'une page Web de type wiki, erreur XPath

Question

Je suis novice dans XPath et je ne parviens pas à analyser une page Web de style wiki avec lxml.

J'ai une expression suivante:

"".join(tree.xpath('//*[@id="mw-content-text"]/div[1]/p//text()')) 

Il fonctionne très bien, mais je dois exclure les enfants dont la classe est « référence » et obtenir un lxml.etree.XPathEvalError avec une expression suivante:

"".join(tree.xpath('//*[@id="mw-content-text"]/div[1]/p//*[not(@class="reference")].text()')) 

Quelle est la bonne expression XPath? Merci d'avance :)

Answer 1

Probablement, l'erreur est survenue à cause de .text() au lieu de /text().

Si vous voulez inclure également le texte des éléments p alors vous devez utiliser la descendant-or-self :

//*[@id="mw-content-text"]/div[1]/p/descendant-or-self::*[not(@class="reference")]/text()