lxml中XPath child与descendant选择器异常问题求助

首先明确：//div/child::*（等价于//div/*）的作用就是选取div的直接子元素，在你给出的HTML结构里，应该只有<p>元素符合条件。你得到code元素的情况，大概率是代码实现或结果处理时出现了错误。

正确示例代码 #

from lxml import etree

html_content = """
<div>
    <p>This content is flagged as <code>TODO</code>. It has another element of <code>TODO</code> neither of the nested elements should be a child of div.</p>
</div>
"""

# 解析HTML
tree = etree.HTML(html_content)

# 两种等价的XPath写法，均获取div的直接子元素
direct_children = tree.xpath('//div/child::*')
# direct_children = tree.xpath('//div/*')

# 输出结果验证
for elem in direct_children:
    print(f"直接子元素标签: {elem.tag}")  # 只会输出 p

排查方向 #

如果你的结果仍然包含code元素，检查以下几点：

• 确认你的HTML结构和提供的完全一致，没有额外的code元素直接嵌套在div下
• 检查是否误用了XPath表达式：比如写成//div//*（这会匹配所有后代元素，和descendant::*效果一致）
• 确认解析方式：使用etree.HTML()解析HTML，而非etree.XML()（XML解析会保留空白文本节点，但不会改变元素层级）

精准定位技巧 #

如果页面中有多个div，可以给目标div添加标识（比如id），用更精准的XPath避免匹配错误：

//div[@id='target-div']/*

内容的提问来源于stack exchange，提问作者Wayne Brissette