如何用XPath选取每个div元素中首次出现的a标签？

先把你的HTML结构格式化后展示，方便更清晰地理解层级：

<div>
  <div>
    <h3>
      <a href='http://Ali.org'></a>
    </h3>
    <div>
      <p>
        <a href='http://Mohammad.org'></a>
      </p>
    </div>
  </div>
  <div>
    <h4>
      <a href='http://Ali.org'></a>
    </h4>
    <p>
      <a href='http://Mohammad.org'></a>
    </p>
  </div>
</div>

你的需求是选取最外层div下每个直接子div中首次出现的a标签（也就是两个指向http://Ali.org的链接），这里有几个更简洁且易读的XPath写法可以满足需求：

方案1：精准定位目标容器后取首个a标签 #

//div/div//a[1]

哦不对，等下——这个写法会把每个子层级里的首个a都选中（包括http://Mohammad.org的那个），所以得再加一层限制，精准锁定最外层div的直接子div：

//div/*[self::div]//a[1]

解释： #

• //div/*[self::div] 先定位到最外层div的所有直接子div（也就是你要遍历的两个目标容器）
• //a[1] 表示在每个这样的容器下，选取第一个出现的a标签，刚好就是你要的两个目标链接。

方案2：更高效的层级定位写法 #

如果你的结构里，目标a标签都是所在子div下第一个块级元素（h3/h4）的子元素，还可以用这个性能更优的写法：

//div/div/*[position()=1]/a

解释： #

• //div/div/*[position()=1] 直接选中每个子div下的第一个子元素（也就是h3和h4）
• /a 直接取这个元素下的a标签，不需要遍历所有a标签，定位更精准高效。

为什么你之前的写法存在问题？ #

• //div//a[not(parent::*[not(following-sibling::*)])]：逻辑绕弯太多，可读性差，后续维护成本高
• //div/div//a[1]：会选中每个子层级里的首个a标签，导致http://Mohammad.org的链接也被选中，不符合需求
• (//div//a)[1]：是把所有符合//div//a的结果集取第一个，自然只能拿到第一个http://Ali.org的链接

内容的提问来源于stack exchange，提问作者محسن عباسی