如何用XPath仅统计子级tr元素，排除孙级tr元素？

你遇到的问题是因为//tr会匹配所有层级的<tr>元素，包括嵌套在子表格里的那些，所以才会得到8个结果。要只统计目标<tbody>的直接子节点<tr>，需要用更精确的XPath表达式。

解决方案：使用直接子节点选择符/ #

XPath中，/用于选择当前节点的直接子节点，而//会选择所有后代节点。所以你需要先定位到目标<tbody>，再用/tr来选择它的直接子tr：

修改你的代码中的XPath部分：

from lxml import etree

html_string = '''
<!DOCTYPE html>
<html lang="en">
    <head>
        <title>title</title>
    </head>
    <body>
        <div class="books">
            <table width="100%" cellspacing="0" cellpadding="0" border="0">
                <tbody>
                    <tr> <!-- want to count -->
                        <td><p class="en">name：</p>
                        </td>
                        <td>
                            <table width="780" cellspacing="0" cellpadding="0" border="0" class="noComma">
                                <tbody>
                                    <tr>……</tr>
                                    <tr>……</tr>
                                    <tr>……</tr>
                                </tbody>
                            </table>
                        </td>
                    </tr>
                    <tr> <!-- want to count -->
                        <td style="width: 200px" class="left_title">
                            <p class="en">name：</p>
                        </td>
                        <td>
                            <table width="780" cellspacing="0" cellpadding="0" border="0" class="noComma">
                                <tbody>
                                    <tr>……</tr>
                                    <tr>……</tr>
                                    <tr>……</tr>
                                </tbody>
                            </table>
                        </td>
                    </tr>
                </tbody>
            </table>
        </div>
    </body>
</html>
'''

html = etree.HTML(html_string)
# 定位到目标tbody的直接子tr
trs = html.xpath('//div[@class="books"]/table/tbody/tr')
print(len(trs))  # 输出：2

另一种写法：先定位目标tbody再选子tr #

如果目标<tbody>的父元素标识不明确，也可以先找到目标<tbody>节点，再用相对路径选择它的直接子tr：

tbody = html.xpath('//div[@class="books"]/table/tbody')[0]
trs = tbody.xpath('./tr')
print(len(trs))  # 输出：2

核心逻辑 #

• //tr：匹配文档中所有<tr>元素（包括嵌套表格里的）
• 目标节点/tr：只匹配目标节点的直接子节点<tr>，不会包含后代层级的<tr>

内容的提问来源于stack exchange，提问作者developer