rvest::html_elements嵌套调用不遵循节点集限制是否为预期行为？

这是XPath语法的标准行为，并非rvest的漏洞。

XPath中以//开头的表达式属于绝对路径查询，无论你在哪个节点集上执行查询，都会默认从整个HTML文档的根节点开始匹配元素，所以你从筛选出的div节点集上查询//p时，依然会返回整个文档内所有的p元素，才会出现超出预期的结果。

如果要限定仅在当前节点集的范围内检索后代元素，需要使用相对路径，在//前加.指代当前节点上下文即可，修改后的代码如下：

html %>% 
  html_elements(xpath="//div") %>% 
  html_elements(xpath = ".//p") %>% 
  html_text()
# 运行输出：[1] "This is a nested paragraph"

补充几个常用的XPath相对路径规则，方便后续使用：

• 直接写标签名，如xpath = "p"：仅匹配当前节点的直接子级p元素
• xpath = ".//p"：匹配当前节点所有后代层级（子、孙、更深层级）的p元素
• xpath = "./p"：效果等价于直接写p，仅匹配直接子级p元素

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