使用 lxml 解析嵌套 HTML 结构时，最推荐的处理方向是始终使用etree.HTML()或etree.HTMLParser()加载内容，并在查询当前节点的子元素时在 XPath 表达式前加点（如.//span）。适用场景为 Python 爬虫数据提取，最重要的风险边界是错误使用 XML 解析器会导致不规范 HTML 解析中断，且忽略相对路径符号会导致从文档根重新搜索而非当前节点。
先说结论：使用 lxml 解析嵌套结构的关键在于解析器选择与相对路径定位，确保容错性与上下文正确。
- 适合：Python 爬虫解析嵌套标签、提取文本或属性。
- 先看：加载方法是否用了
etree.HTML()而非XMLParser()。 - 建议：在已选节点上查子节点时，XPath 必须用
.开头限定范围。
命令速用版
安装 lxml 库并加载 HTML 字符串的基本命令如下：
pip install lxmlfrom lxml import etree
html_content = '<html><body><div><span>Text</span></div></body></html>'
tree = etree.HTML(html_content)
result = tree.xpath('//div/span/text()')为什么会这样
XPath 在 lxml 里取不到嵌套子节点，主要是因上下文定位错误或解析器不兼容。
不加.会从文档根查找，应使用.//span；且 HTML 解析须用etree.HTMLParser()而非XMLParser()。HTML 常含不规范标签，XML 解析器会报错或截断，而 HTML 解析器能容错解析。
分步处理
按以下步骤完成嵌套结构解析：
- 安装库：运行
pip install lxml确保环境支持。 - 加载内容：使用
etree.HTML(html_string)或etree.parse(url, etree.HTMLParser())加载，避免用XML()处理网页源码。 - 定位父节点：先用 XPath 选中父元素，如
//div[@class="item"]。 - 查找子节点：对每个父节点调用
.xpath(".//span")，注意路径前加.。 - 提取数据：文本内容显式用
/text()，属性用/@href。
怎么验证是否生效
通过打印列表长度和内容确认解析结果：
- 检查返回对象是否为列表，即使只匹配一个节点。
- 打印
len(result)确认非零。 - 打印
result[0]查看具体文本或属性值。 - 如果遇到
XMLSyntaxError，检查是否误用了 XML 解析器。
常见坑
- 路径未加点：在父节点对象上查子节点时，写成
//span会从全文档搜索，应写.//span。 - 解析器选错：用
etree.XML()处理 HTML 会导致标签不闭合时报错。 - 忽略返回列表：xpath 返回的是列表，直接取值会报错，需先判断长度。
- 大小写敏感：XPath 里标签名通常需小写，即使源文件中有大写。
常见问题
为什么 xpath 在 lxml 里取不到嵌套子节点？
问题出在 XPath 的上下文定位，忘了加.会从整个文档根重新查，而不是从当前节点往下找。
怎么提取标签的属性值？
属性要用/@xxx语法，例如//a/@href，返回结果也是列表。
需要安装什么 Python 库？
目前被推荐的 Python binding 是 lxml，可以通过pip install lxml安装。
参考来源
- Python 爬虫怎么用 XPath_lxml 库与 XPath 语法提取嵌套层级节点数据
- Python 实例详解：使用 XPath 解析 HTML/XML 数据
- Python 中利用 xpath 解析 HTML - whgiser - 博客园
- python 使用 xpath 解析 html
- Python 爬虫中如何使用 xpath 解析 HTML