XPath中的text()函数用于匹配当前节点下的文本节点内容，是数据解析场景中提取文本信息的核心工具，在网页爬虫、XML配置文件读取等场景中都有广泛应用。
text()的基本语法
text()本身是一个节点测试函数，调用后会返回当前上下文节点下的所有文本节点集合，常见的使用形式有以下几种：
- 选取当前节点的文本：
./text()，返回当前节点直接包含的文本，不包含子节点的文本 - 选取所有后代节点的文本：
.//text()，返回当前节点及其所有子节点包含的文本内容 - 结合谓语筛选：
text()='目标文本'，用于匹配文本节点内容等于指定值的节点
常见使用场景与代码示例
下面以Python的lxml库为例，演示不同场景下text()的用法，首先准备一段测试用的HTML内容：
from lxml import etree
# 测试用HTML内容
html_content = """
<div class="article">
<h2>XPath教程</h2>
<p class="desc">这是一篇关于XPath用法的教程</p>
<p class="content">
XPath是路径查询语言
<span>用于解析XML和HTML</span>
</p>
</div>
"""
# 解析HTML
tree = etree.HTML(html_content)
场景1：提取单个节点的直接文本
如果需要提取h2标签内的文本，直接使用text()即可：
# 提取h2标签的直接文本
h2_text = tree.xpath('//h2/text()')
print(h2_text) # 输出：['XPath教程']
场景2：提取包含子节点的节点的文本
对于包含子节点的p标签，直接调用text()只能拿到第一个文本节点，需要结合string()或者.//text()：
# 方法1：使用.//text()获取所有后代文本再拼接
content_text1 = ''.join(tree.xpath('//p[@class="content"]//text()')).strip()
print(content_text1) # 输出：XPath是路径查询语言用于解析XML和HTML
# 方法2：使用string()函数获取节点下所有文本
content_text2 = tree.xpath('string(//p[@class="content"])').strip()
print(content_text2) # 输出：XPath是路径查询语言用于解析XML和HTML
场景3：通过文本节点筛选节点
如果需要找到文本内容为指定值的节点，可以直接在谓语中使用text()：
# 找到文本为XPath教程的h2节点
target_h2 = tree.xpath('//h2[text()="XPath教程"]')
print(len(target_h2)) # 输出：1
使用text()的注意事项
- text()返回的是文本节点集合，即使只有一个文本节点，也需要通过索引或者遍历获取具体值，比如
xpath('//p/text()')[0] - 如果节点内包含换行、空格等空白字符，提取到的文本会包含这些内容，需要手动调用strip()方法处理
- 不要用
//text()直接匹配整个文档的文本节点，这样会返回所有零散的文本片段，不利于后续处理 - 当节点没有文本子节点时，text()返回的是空列表，调用前最好做非空判断
常见问题解答
问：为什么我用text()提取不到内容？
答：首先检查节点是否存在，其次确认是否使用了正确的路径，如果是包含子节点的节点，直接调用text()只能拿到第一个文本节点，需要改用.//text()或者string()函数。
问：text()和string()有什么区别？
答：text()返回的是文本节点集合，而string()返回的是当前节点及其所有后代节点的文本拼接后的字符串，不需要手动拼接，使用更方便。