今天工作犯了一个特别2的错误

Posted 2020-09-12

今天用python的lxml组件解析网页代码，需要找到特定区域的文本，lxml的etree有html方法可以将得到的html代码转换成树结构，然后用xpath寻找特定区域

当我找到这个区域，我需要得到该区域内的文本（在c#里面htmlnodeelement有个innertext的属性可以直接得到）而在lxml里面HTML方法返回的element对象没有这个方便的属性，只有个text属性是返回当前node自己的text并不包括他的subnode的text，当然lxml里有另外一种方法可以得到htmlelement，htmlelement可以通过text_content方法可以直接得到，但是那需要使用htmlparse来解析网页代码，我又懒得把解析那部分代码改掉，所以我决定自己写个递归函数（因为是树结构嘛），来得到我要的文本内容

def gettext(node):

    if len(node)==0:

        return node.text if node.text is not None else ""

    else:

        return node.text if node.text is not None else "" + "".join([gettext(x) for x in node])

这个函数看上去是那么的完美，结果却没有得到我想得到的结果，在经过我15分钟的辛勤debug之后，我发现我tm就是个sb，居然忘记在最后一行里面用括号括住node.text的部分，结果就是只有当node.text是none的时候才会递归

正确的最后一行应该是

       return （node.text if node.text is not None else ""） + "".join([gettext(x) for x in node])

 

错误的原因可以归结为马虎（这个词在我童年的时候一次次刺痛了我，我长大才发现，这么马虎我居然是随我妈，我健全的长大真是个奇迹啊），也可以归结为我并不了解if else和+的运算优先级