HTML属性含双引号致XPath查询出现Invalid predicate错误求助

你的问题根源有两个：一是原始HTML的title属性写法不合法（内部双引号未转义），二是XPath表达式中对含双引号的字符串处理错误，导致Invalid predicate报错。

步骤1：明确lxml解析后的属性值 #

lxml的HTMLParser会自动修正不合法的HTML，你提供的原始HTML中，<a title="spre_|_"Marketing_|_Specialist">会被解析为属性值包含双引号的合法格式（内部双引号会被转义或保留为属性值的一部分），核心是属性值本身带有双引号字符。

步骤2：修正XPath表达式 #

XPath中处理含双引号的字符串，有两种可靠方法：

方法一：用单引号包裹属性值

如果属性值里只有双引号没有单引号，直接用单引号把整个属性值括起来，避免双引号冲突：

from lxml import etree
from io import StringIO
html_ = """<body class="loop"> <a title="spre_|_"Marketing_|_Specialist"> Marketing Specialist </a> </body>"""
# 用单引号包裹title的属性值
xpath = """//a[@title='spre_|_"Marketing_|_Specialist'][1]"""
tree = etree.parse(StringIO(html_), etree.HTMLParser())
print(tree.xpath(xpath))

方法二：使用concat函数拼接字符串

如果属性值同时包含单引号和双引号，用concat函数把字符串拆分成多个部分，分别用不同引号包裹，精准拼接出目标属性值：

from lxml import etree
from io import StringIO
html_ = """<body class="loop"> <a title="spre_|_"Marketing_|_Specialist"> Marketing Specialist </a> </body>"""
# 用concat拼接，双引号部分单独用单引号包裹，其余部分用双引号
xpath = """//a[@title=concat("spre_|_", '"', "Marketing_|_Specialist")][1]"""
tree = etree.parse(StringIO(html_), etree.HTMLParser())
print(tree.xpath(xpath))

为什么直接用\转义无效？ #

Python字符串里的\是转义Python自身的引号，而XPath表达式是独立的语法规则，Python转义后的\"到了XPath里会被当作普通双引号，无法正确识别字符串边界，所以必须遵循XPath自身的字符串处理规则。

内容的提问来源于stack exchange，提问作者Minions