lxml 的element.text返回的是这个元素第一个节点的内容，所以会出现这样的问题。可以用getText这个辅助方法来解决：

# require lxml # version: python2 def getText(elem): rc = [] for node in elem.itertext(): rc.append(node.strip()) return ''.join(rc)

这里可以直接修改最后一行即可：

import codecs #coding=utf-8 from lxml import etree def getText(elem): rc = [] for node in elem.itertext(): rc.append(node.strip()) return ''.join(rc) f=codecs.open("1.html","r","utf-8") content=f.read() f.close() tree=etree.HTML(content) # 返回的是lxml.etree._Element,可以直接作为getText参数来调用。 node=tree.xpath("//p[@class='content']")[0] print getText(node).encoding('gbk')

这里的getText只是简单的实现，比如下面的xml文本会打印abdc,应该可以达到你的要求。

 ab dc 

#!/usr/bin/env python3 from bs4 import BeautifulSoup f = open("1.html", "r") html = BeautifulSoup( f.read() ) node = html.select(".content")[0] print( node.prettify() )

html.select(".content")这个可能需要更多的选择器限定一下。另外只是大概写了下BeautifulSoup如何运作的，具体需求可以查看手册：Beautiful Soup 文档