用//a[@href]//text()提取a标签可见文本最稳，需.join()合并并strip()过滤空白；须预清理script/style/注释，避免误取；无文本时fallback至title或aria-label。

用 lxml + XPath 提取 a 标签的可见文本内容

直接取 a 标签内部的文本（即用户看到的“链接名称”），而不是 href 值，lxml 是 Python 中最稳且高效的选择。它能正确处理嵌套标签（比如 @#@#@#@#@#@#@#@#@#@0），而不会把“点击这里”拆成两段。

关键不是用 //a/text() —— 它只取直接子文本节点，会漏掉加粗、换行或 span 包裹的内容。应改用 //a//text()，再用 ''.join() 合并：

from lxml import etree
from html import unescape
<p>tree = etree.HTML(html_text)
for link in tree.xpath('//a[@href]'):
texts = [t.strip() for t in link.xpath('.//text()') if t.strip()]
name = ''.join(texts)
print(name)
</p>

• 必须加 [@href] 过滤，否则会匹配到无 href 的 @#@#@#@#@#@#@#@#@#@1），get_text() 会把 {{text}} 当真文本返回，得先清洗
• 遇到 @#@#@#@#@#@#@#@#@#@2 这类无文本链接，get_text() 返回空字符串——需 fallback 到 link.get('title') or link.get('aria-label')

为什么不用正则提取链接名称

正则根本没法可靠识别“哪段文本属于哪个 a 标签”。例如这段 HTML：

<a href="x">Hello</a> world <a href="y">Goodbye</a>

用 r'@#@#@#@#@#@#@#@#@#@3）、注释（）、CDATA 或 script 内容

使用华数设计生成高保真HTML原型、演示文稿、动画和设计评审

使用经过文档化的设计技能，从真实的品牌或项目背景中生成HTML原生原型、幻灯片、动态演示、可视化图表和评审流程。

下载

即使加 re.DOTALL，也无法区分同级多个 a 的归属范围

唯一能勉强用的场景：你**完全控制 HTML 输出格式**，且所有链接文本都是纯文本、无任何嵌套、无注释、无 JS 模板

提取前必须清理干扰块

真实网页里，<script></script>、、 里常藏有类似 这类伪链接，需额外按 class 过滤

真正难的不是“怎么取文本”，而是“怎么确认这段文本确实属于一个有效、可点击、非模板、非注释的 a 标签”——这一步漏掉，后面全白忙。

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！