LXML XPath 表达式仅返回第一个子节点，而浏览器确认多个子节点

Question

我正在尝试使用 Python lxml 库来解析网页。在 Firefox 的开发者视图中，页面树清楚地显示为：

但是，当我在 Python 中运行此查询时：

>>> spellTree.xpath('//span[@id="ctl00_MainContent_DetailedOutput"]/child::node()')
[<Element h1 at 0x445a4b0>]`

它只将h1 元素视为span 的子元素，而不是其他spans 或h1 之后的任何其他节点，即使树清楚地表明它们是子元素。

它确实确定文档中存在其他跨度：

>>> spellTree.xpath('//span[@class="trait"]//child::node()')
[<Element a at 0x445a570>, 'Acid', <Element a at 0x445a5a0>, 'Attack', <Element a at 0x445a600>, 'Cantrip', <Element a at 0x445a5d0>, 'Evocation']

但它没有记录它们是DetailedOutput 跨度的子级。我的 XPath 是错误的，还是错误或异常？

编辑：Python 3.7.3、lxml 4.5.1。

Answer 1

它可能是格式错误的 html。

看起来//span[@id="ctl00_MainContent_DetailedOutput"] 不是//span[@class="trait"] 的孩子；相反，他们看起来像兄弟姐妹。这就是//span[@id="ctl00_MainContent_DetailedOutput"]//child::node() 仅显示 4 个子节点的原因。

这可能是原因：span[@id="ctl00_MainContent_DetailedOutput"] 标签内似乎有一个杂散的</span>；这可能会导致 html 解析器认为 span[@id="ctl00_MainContent_DetailedOutput"] 已关闭，从而导致将下一个跨度 (//span[@id="ctl00_MainContent_DetailedOutput"]) 视为其兄弟而不是其子。