xpath排除script标签

使用scrapy框架写爬虫的时候，直接爬取request.body的话，会包含<script>标签的代码，如果想排除<script>的标签内容，那么写法如下：
items['body'] = response.xpath('normalize-space(string(/html/body//*[not(self::script)]))')[0].extract()
如果还想排除其他标签：
items['body'] = response.xpath('normalize-space(string(/html/body//*[not(self::script or self::img or self::div)]))')[0].extract()

XPath轴(XPath Axes)可定义某个相对于当前节点的节点集：

1. ancestor 选取当前节点的所有先辈（父、祖父等）。
2. ancestor-or-self 选取当前节点的所有先辈（父、祖父等）以及当前节点本身。
3. attribute 选取当前节点的所有属性。
4. child 选取当前节点的所有子元素。
5. descendant 选取当前节点的所有后代元素（子、孙等）。
6. descendant-or-self 选取当前节点的所有后代元素（子、孙等）以及当前节点本身。
7. following 选取文档中当前节点的结束标签之后的所有节点。
8. namespace 选取当前节点的所有命名空间节点。
9. parent 选取当前节点的父节点。
10. preceding 选取文档中当前节点的开始标签之前的所有节点。
11. preceding-sibling 选取当前节点之前的所有同级节点。
12. self 选取当前节点。

参考链接：

1. http://www.w3school.com.cn/xpath/index.asp
2. https://stackoverflow.com/questions/38199646/xpath-flatten-text-excluding-certain-nodes

注意：实际过滤结果并没有那么完美！还存在一部分未过滤掉的！