必须使用::text伪元素才能精准提取p标签内纯文本，因response.css("p").get()等默认返回含标签的html字符串；::text专用于选取直接文本节点，不递归子标签，配合.get()或.getall()可高效获取干净文本。
response.css() 默认返回的是带标签的 HTML 字符串，不是纯文本。想只拿 <p></p> 里的“Bob Guiney”这种内容，必须用 ::text 伪元素，否则永远多一层包装。
为什么 .extract() 和 .get() 拿不到纯文本
这两个方法作用对象是整个匹配到的 DOM 元素节点，返回的是该节点的外层 HTML（含起始/结束标签）。即使你只选了 p，它也照常把 <p ...>Bob Guiney</p> 整个吐出来。
常见错误现象：
-
p_names = response.css("p"); name = p_names[0].get()→ 得到<p class="...">Bob Guiney</p> - 后续用
.strip()或正则去剥标签 —— 不可靠，容易漏掉嵌套<span></span>、<strong></strong>等子节点里的文字
::text 是唯一推荐的精准提取方式
Scrapy 的 CSS 选择器支持标准 CSS 伪元素，::text 专门定位元素的**直接文本子节点**（不递归进子标签），语义清晰、性能好、兼容性稳定。
实操建议：
html-to-pptx-converter
下载
使用 PptxGenJS 和 Python 解析，将结构化的 HTML/CSS 幻灯片内容转换为原生、可编辑的 PowerPoint（.pptx）演示文稿。
- 写法必须紧贴选择器末尾：
response.css("p::text")，不能写成response.css("p").css("::text") - 返回的是 SelectorList，要用
.get()取第一个，或.getall()取全部文本节点（注意：一个<p></p>里如果有<span>Hi</span> there，::text会分两段返回["Hi", " there"]） - 如果只想取首个非空文本，推荐
.get(default="").strip()防空值
遇到换行、空白、多段文本怎么处理
::text 会原样保留 HTML 中的空白字符（包括换行、缩进、多个空格），这在解析简历、评论、新闻摘要时特别明显。
使用场景与应对：
- 单行标题类文本：
response.css("h1::text").get(default="").strip() - 段落级多行内容：先
.getall()，再" ".join([t.strip() for t in texts]).replace("\n", " ") - 要保留原文换行（如诗歌、代码块）：不用
strip()，改用text.replace("\r\n", "\n").replace("\r", "\n")
最容易被忽略的一点：如果目标标签里只有子元素、没有直接文本（比如 <p><span>Hello</span></p>），p::text 会返回空列表 —— 这时候得换路径，或者用 .xpath("./text()") 补位。
前端入门到VUE实战笔记：立即使用
在学习笔记中，你将探索 前端 的入门与实战技巧！
