xpath排除特定子节点

一直用xpath提取网页数据，有些文章嵌入一些图片 a标签等，一般的通用做法是用【正则】去除，可是也很难满足要求，

尤其是要提取的内容跟图片和a标签在相同的标签里

 

 如上图，都在p标签里，不管是内容还是图片，这时用正则也不是很灵活，现在办法是通过提取到文章主体部分，然后依次遍历每个段落，

            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))

　这里只提取p标签和h3标签，遍历后如果内容中含有图片和a标签则删除，这样就可以处理排除掉特定子元素