为什么从chrome派生的xpath不起作用

Question

我正在尝试从web of science 中删除数据

这是我要使用的specific page。

下面是我用来提取摘要的代码：

import lxml
import requests

url = 'https://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=2&SID=Q1yAnqE4al4KxALF7RM&page=1&doc=3&cacheurlFromRightClick=no'
s = requests.Session()
d = s.get(url)
soup1 = etree.HTML(d.text)

这是我在 Chrome 中通过复制 xpath 得到的 xpath：

//*[@id="records_form"]/div/div/div/div[1]/div/div[4]/p/text()

所以我试着像这样得到摘要

path = '//*[@id="records_form"]/div/div/div/div[1]/div/div[4]/p/text()'   
print(soup1.xpath(path))

但是，我只是热了一个空列表！然后我尝试了另一种方法来测试 xpath。

首先，我将特定页面保存为本地html文件。

with open('1.html','w',encoding='UTF=8') as f:
    f.write(d.text)
f.close()

然后，打开文件

s.mount('file://',FileAdapter())
d = s.get('file:///K:/single_paper.html')
soup2 = etree.HTML(d.text)
soup2.xpath('//*[@id="records_form"]/div/div/div/div[1]/div/div[4]/p/text()')

它给了我想要的摘要！谁能告诉我为什么会这样？

奇怪当我尝试以保存本地文件的方式对另一个页面执行这些步骤时，它再次返回一个空列表！

我检查了 Chrome 给出的 xpath 对于这两个页面是相同的。

那么谁能告诉我我的代码有什么问题以及如何修复它？

Answer 1

给定完整 Xpath 的浏览器通常是 unhelpful，您应该使用基于属性（例如 id、class 等）或任何识别特征（例如 contains(@href, 'image')）的相对和智能的。

您可以尝试更具体的 xpath 表达式：(//div[@class="block-record-info"])[2]/p/text() 并像这样重写您的代码：

import requests
from lxml import html

url = 'https://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=2&SID=Q1yAnqE4al4KxALF7RM&page=1&doc=3&cacheurlFromRightClick=no'
s = requests.Session()
r = s.get(url)
tree = html.fromstring(r.content)
element = tree.xpath('(//div[@class="block-record-info"])[2]/p/text()')
print(element)

输出：