带多个and contains的XPath为何无法提取同class a标签的目标链接？

第一个就是最容易踩的低级语法错 #

你写的表达式里，匹配ins链接的那段用了中文全角的左引号：contains(@href, “instagram.com")，那个“根本不是XPath认的英文半角引号"。这种情况大多是写表达式时输入法没切回英文状态，自己根本没察觉用了全角引号。
所有主流的XPath解析器碰到这种非法字符，会直接在语法校验阶段报错，后面的筛选条件根本不会正常生效，自然提不出想要的链接。

第二个是类名匹配的逻辑太死 #

你写的类名判断是@class="SK-FuGf"，也就是要求class属性的值完完全全等于SK-FuGf才行。但看这个类名的格式，是典型的CSS-in-JS生成的随机哈希类名，实际网页里这种类名从来不会单独出现，一般都会和其他业务类名拼在同一个class里，比如<a class="footer_link SK-FuGf" href="xxx">。
这种情况下去做精确等值匹配，会直接漏掉所有目标a标签，很多人写爬虫时都栽在这一点上。

第三个是排除逻辑的边界有漏洞 #

就算把上面两个问题改了，你现在的排除条件也不一定能筛干净：

• 有些Instagram链接会用短链跳转，href本身根本不含instagram.com字符串，会被当成官网链接错误保留
• 电话链接不一定严格是tel:开头的格式，部分开发会在tel链接前面加其他前缀，可能漏排

把全角引号换成半角、把类名匹配改成包含判断后，基础可用的表达式是：
//a[contains(@class, "SK-FuGf") and not(contains(@href, "instagram.com")) and not(contains(@href, "tel:"))]/@href

实际用的时候可以根据页面的真实链接结构，补充对应的排除规则，避免把社交、电话链接错当成官网提出来。

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