python - 为什么这两个 tr 被 lxml 解析为相同的第一个 tr？

Question

我绘制了 target_html 的简单结构:

table--div--tr[id="tr1"]
     |--tr[id="tr2"]
     |--tr[id="tr3"]
     |--tr[id="tr4"]

使用 lxml 从 target_html 中提取第一个 tr。

target_html="""
<table id="t1"> 
<div id="div1"> 
<tr id="tr1"> 
<td>11</td> 
<td>12</td> 
</tr> 
</div> 

<tr id="tr2">
<td>21</td> 
<td>22</td> 
</tr>

<tr id="tr3"> 
<td>31</td> 
<td>32</td> 
</tr> 

<tr id="tr4"> 
<td>41</td> 
<td>42</td> 
</tr> 
</table> """

doc=lxml.html.fromstring(target_html)
for item in doc.xpath('//tr[1]'):
    print(item.text_content())

lxml 解析的扩展结果:

11 
12 

lxml解析的真实结果:

11 
12     

21 
22 

为什么两个tr被解析为tr[1]？

Answer 1

xpath //tr[1] 表示选择作为其父元素的第一个子元素(具有该名称)的任何 tr 元素。

选择以下 tr，因为它是 div 的第一个 tr 子级:

<tr id="tr1"> 
<td>11</td> 
<td>12</td> 
</tr>

选择以下 tr，因为它是 table 的第一个 tr 子项:

<tr id="tr2">
<td>21</td> 
<td>22</td> 
</tr>

要获取第一个匹配项，请首先将 xpath 括在括号中...

doc.xpath('(//tr)[1]')