目标：从特定元素（例如li）中提取文本，而忽略各种混合在标签中的内容，即展平第一级子级，并简单地分别返回每个展平型子级的串联文本。

例：

<div id="mw-content-text"><h2><span class="mw-headline" >CIA</span></h2>
    <ol>
    <li>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>.</li>
    </ol>

    </Div>  

所需文字：

• Central Intelligence Agency
• Culinary Institute of America

除了周围的定位标记阻止简单的检索。

为了分别返回每个li标签，我们使用简单的方法：

//div[contains(@id,"mw-content-text")]/ol/li

但这还包括周围的锚标签等。

//div[contains(@id,"mw-content-text")]/ol/li/text()

仅返回属于li的直接子元素的文本元素，即’Central’，’.’…

然后寻找自我和后代的文本元素似乎合乎逻辑

//div[contains(@id,"mw-content-text")]/ol/li[descendant-or-self::text]

但这根本没有任何回报！

有什么建议？我正在使用Python，因此可以使用其他模块进行后期处理。

（我正在使用似乎符合XPath 1.0的Scrapy HtmlXPathSelector）