lxml解析不识别索引：XPath定位意大利税码失败求助

尝试使用Python抓取并解析HTML，提取意大利税码“VTLLCU86S03I348V”。通过浏览器检查复制的完整XPath无法定位目标元素，但普通XPath（如//div/p/a）可正常工作；当XPath包含div[3]/div这类索引时就失效，且发现浏览器生成的XPath以单/开头，认为应该用双//。以下是最小复现代码示例：

from lxml import etree
import requests

# GET 
page = requests.get('https://notariato.it/it/notary/luca-vitale/')

# PARSING
parser = etree.HTMLParser()
tree = etree.parse(StringIO(page.text), parser)

nome_raw = tree.xpath('//html/body/div[3]/section[2]/div/div[1]/div/section/div/div/div/div[6]/div/h4')

for i in range(len(nome_raw)):
    print(nome_raw[i].text)

• 补全缺失导入：代码中使用StringIO但未导入，需添加from io import StringIO，否则会触发NameError导致解析流程中断。
• 索引XPath失效的核心原因：
  • 浏览器渲染的DOM与requests获取的原始HTML存在差异：页面可能包含JS动态生成的节点，或浏览器自动补全了HTML结构（如缺失的<head>、<body>标签），导致节点索引与原始HTML不匹配。
  • 依赖索引的XPath稳定性极差，页面布局微调（新增/删除节点）就会失效，建议改用基于属性、文本特征的定位方式。
• 目标税码的稳定定位示例：
  税码所在节点有明确的上下文特征，可采用以下更可靠的XPath：

  # 直接匹配包含目标税码的文本节点
  tax_code = tree.xpath('//p[contains(text(), "VTLLCU86S03I348V")]/text()')
  # 或通过父元素类名定位
  tax_code = tree.xpath('//div[@class="col-md-6"]/p[2]/text()')
  

• 验证HTML结构差异：将page.text保存到本地文件，对比浏览器DOM与原始HTML的结构差异，确认节点索引是否准确。示例代码：

  with open('page.html', 'w', encoding='utf-8') as f:
      f.write(page.text)
  

内容的提问来源于stack exchange，提问作者SabDeM