如何用Python的Selenium获取元素XPath？求解lxml报错问题

问题答案 #

可以通过Selenium获取元素的XPath本身，有两种可行的实现方式，先解决你遇到的报错问题：

你运行代码时触发的报错翻译成中文是：

lxml.etree.XMLSyntaxError: 起始标签和结束标签不匹配

这个错误的原因是：driver.page_source返回的是HTML内容，存在大量不严格闭合的标签（比如<img>、<meta>），而你用etree.fromstring()解析时，它要求输入严格符合XML规范，因此触发了语法错误。

方法一：Selenium + JavaScript直接获取XPath #

不需要解析HTML，直接通过浏览器的JavaScript能力生成目标元素的XPath，步骤如下：

1. 先定位到目标元素
2. 执行自定义JS脚本获取元素的XPath

代码示例：

from selenium import webdriver
from selenium.webdriver.common.by import By

driver = webdriver.Chrome()
driver.get("https://example.com/")

# 定位到文本为「Example Domain」的h1元素
element = driver.find_element(By.XPATH, "//h1[text()='Example Domain']")

# 执行JS脚本生成XPath
xpath = driver.execute_script("""
function getXPath(el) {
    if (el.id) return `//*[@id="${el.id}"]`;
    if (el === document.body) return el.tagName.toLowerCase();
    
    let idx = 0;
    const siblings = el.parentNode.children;
    for (let i = 0; i < siblings.length; i++) {
        const sibling = siblings[i];
        if (sibling === el) {
            return `${getXPath(el.parentNode)}/${el.tagName.toLowerCase()}[${idx + 1}]`;
        }
        if (sibling.tagName === el.tagName) idx++;
    }
}
return getXPath(arguments[0]);
""", element)

print(xpath)  # 输出：/html/body/div/h1
driver.quit()

方法二：用lxml.html解析HTML内容 #

如果一定要用lxml库，不要用etree.fromstring()，改用lxml.html.fromstring()，它专门处理不规范的HTML：

代码示例：

from selenium import webdriver
from lxml import html

driver = webdriver.Chrome()
driver.get("https://example.com/")

page_source = driver.page_source
# 用HTML解析器处理页面内容
tree = html.fromstring(page_source)

# 定位到目标元素
target_element = tree.xpath("//h1[text()='Example Domain']")[0]
# 获取元素的XPath
print(tree.getpath(target_element))  # 输出：/html/body/div/h1

driver.quit()

内容的提问来源于stack exchange，提问作者user15175462