我开始在 python3 中使用 xpath 并面临这种行为。这对我来说似乎很错误。为什么它匹配 span-text，而不匹配 h3 中的 p-text？
>>> from lxml import etree
>>> result = "<h3><p>Hallo</p></h3>"
>>> tree = etree.HTML(result)
>>> r = tree.xpath('//h3//text()')
>>> print(r)
[]
>>> result = "<h3><span>Hallo</span></h3>"
>>> tree = etree.HTML(result)
>>> r = tree.xpath('//h3//text()')
>>> print(r)
['Hallo']
非常感谢！
【问题讨论】：
标签： python python-3.x xpath lxml
您的第一个 XPath 正确地没有返回任何结果，因为对应的 tree 中的 <h3> 不包含任何文本节点。您可以使用tostring() 方法查看树的实际内容：
>>> result = "<h3><p>Hallo</p></h3>"
>>> tree = etree.HTML(result)
>>> etree.tostring(tree)
'<html><body><h3/><p>Hallo</p></body></html>'
解析器可能这样做了 - 将 h3 变成了空元素 - 因为它认为标题标签内的段落无效（而标题内的 span 有效）：Is it valid to have paragraph elements inside of a heading tag in HTML5 (P inside H1)?
要将p 元素保留在h3 中，您可以尝试使用不同的解析器，即使用BeautifulSoup's parser：
>>> from lxml.html import soupparser
>>> result = "<h3><p>Hallo</p></h3>"
>>> tree = soupparser.fromstring(result)
>>> etree.tostring(tree)
'<html><h3><p>Hallo</p></h3></html>'
【讨论】：