xpath排除特定子節點

一直用xpath提取網頁數據，有些文章嵌入一些圖片 a標簽等，一般的通用做法是用【正則】去除，可是也很難滿足要求，

尤其是要提取的內容跟圖片和a標簽在相同的標簽里

 

 如上圖，都在p標簽里，不管是內容還是圖片，這時用正則也不是很靈活，現在辦法是通過提取到文章主體部分，然后依次遍歷每個段落，

            div_list = []
            div = response.xpath(
                '//div[@id="articlebody"]/*[not(name()="style") and not(@class="instrumentName") and not(@id="botlist")]').getall()
            if not div:
                # articleContent
                div = response.xpath(
                    '//div[@class="articleContent"]/*[not(name()="h4") and not(name()="div")]').getall()
            if div and len(div) > 0:
                for dv in div:
                    if "</a>" not in dv or "<img" not in dv:
                        div_list.append(dv)
            div_html = '''<div class="cont-cont">{0} </div>'''.format(
                "".join(div_list))

　這里只提取p標簽和h3標簽，遍歷后如果內容中含有圖片和a標簽則刪除，這樣就可以處理排除掉特定子元素