如何编写不依赖固定位置的XPath，避免爬虫数据提取错误

开发者阿泽

2026-7-16

问题：基于固定位置的XPath因

顺序变化导致提取错误，如何优化？

我在爬虫提取数据时用了依赖

固定顺序的XPath：

//div[@class="info"]/div[1]/div[1]/div[1]/div[1]/ul[1]/li[2]

原本用来提取Thickness（厚度）值，但目标

上方新增其他

后，位置被打乱，提取结果就错了。对应的HTML结构如下：

<div class="info">
    <div class="accordion additional-info  info__block" >
    <h5 class="accordion__header additional-info__header info__header">
    Product details</h5>
    <div class="accordion__content additional-info__content info__content" >
    <div class="info-content" id="product-details">
    <div class="info__lists">
    <ul class="info__lists-not-bullets">
    <li><strong>Length:</strong>
    3600 mm</li>
    <li><strong>Thickness:</strong>
    45 mm</li>
    <li><strong>Width:</strong>
    95 mm</li>
    <li><strong>Thickness Imperial:</strong>
    1 3/4in</li>
    <li><strong>Width Imperial:</strong>
3 3/4in</li>
</ul>

解决方案

不要依赖

的固定位置，改用内容匹配的方式定位，这样无论

顺序怎么变，只要标签内的标识文本不变，就能精准找到目标元素。推荐几种写法：

1. 精准匹配标签文本

直接定位包含Thickness:文本的<strong>所在的<li>，这是最可靠的写法：
//div[@class="info"]//ul[@class="info__lists-not-bullets"]/li[strong[text()="Thickness:"]]
提取数值时，可以直接取该<li>的文本内容（注意过滤掉<strong>部分的文本和空白字符），或者用下面的XPath直接获取数值部分的文本：
//div[@class="info"]//ul[@class="info__lists-not-bullets"]/li[strong[text()="Thickness:"]]/text()
2. 模糊匹配文本（应对文本细微变化）
如果<strong>内的文本偶尔有空格或格式差异，比如写成Thickness :，可以用contains做模糊匹配：
//div[@class="info"]//ul[@class="info__lists-not-bullets"]/li[strong[contains(text(),"Thickness:")]]
注意：如果直接匹配Thickness，可能会误命中Thickness Imperial:，所以尽量带上冒号提升精准度。
3. 简化原有XPath层级（次选方案）
原XPath里的div[1]层级冗余且脆弱，即使仍用位置定位，也可以简化层级降低出错概率：
//div[@class="info"]//ul[@class="info__lists-not-bullets"]/li[2]
但这种写法还是依赖位置，优先级低于前面两种内容匹配的方式。
内容的提问来源于stack exchange，提问作者user22228425

如何编写不依赖固定位置的XPath，避免爬虫数据提取错误

1. 精准匹配标签文本 #

2. 模糊匹配文本（应对文本细微变化） #

3. 简化原有XPath层级（次选方案） #

1. 精准匹配标签文本

2. 模糊匹配文本（应对文本细微变化）

3. 简化原有XPath层级（次选方案）