XPath怎么选择第一个、第二个或第n个子节点

XPath中索引从1开始，//div/p[1]选第一个p子元素；[last()]选最后一个，[last()-1]选倒数第二个；*匹配任意元素，node()匹配所有节点（含文本），需注意浏览器与lxml解析差异。

用 [n] 定位第 n 个子节点（注意索引从 1 开始）

XPath 的索引不是从 0 开始，而是从 1 开始。所以 //div/p[1] 选的是第一个 p 子节点，//div/p[2] 是第二个，//div/p[5] 是第五个。

常见错误是套用编程习惯写成 [0] 或 [:3] —— XPath 不支持这些写法，[0] 直接不匹配任何节点。

• //ul/li[1]：选 ul 下第一个 li（不管它在 DOM 中是否是第一个子元素，只看同级同名的 li）
• //table/tr[position()=3]：等价于 //table/tr[3]，显式调用 position() 函数更利于加条件，比如 //table/tr[position()
• 如果想选“所有 div 中的第二个子节点（无论类型）”，得用 //div/*[2]，其中 * 表示任意元素节点

first() 和 last() 是函数，但不在标准 XPath 1.0 中

别被某些文档误导：first()、last() 不是 XPath 1.0 原生函数（主流浏览器、lxml、libxml2 默认都只支持 1.0）。它们只存在于 XPath 2.0+ 或某些方言（如 Selenium 的旧版 Java 绑定曾模拟过，但已弃用）。

真正跨平台安全的写法是：

• 第一个 → [1]
• 最后一个 → [last()]（注意括号不能省）
• 倒数第二个 → [last()-1]
• 前三个 → [position() 或 [position()

例如：//ol/li[last()-1] 稳定选倒数第二个 li，哪怕列表长度动态变化。

小心「子节点」和「子元素节点」的区别

XPath 中的 [n] 默认匹配的是「同名的子元素节点」，不是所有子节点。文本节点、注释、空格换行都会占用位置，但 //div/p[2] 只会在 p 元素里数，不会把中间的文本节点算进去。

如果你要严格按 DOM 树顺序取第 n 个子节点（含文本、注释等），必须用 node()：

//div/node()[2]

但多数场景不需要这么细——你通常想选的是元素，

不是空白文本。所以更常用的是：

• //div/*[2]：第二个子元素（忽略文本/注释）
• //div/p[2]：第二个 p 元素（只在 p 中计数）
• //div/node()[2][self::p]：第二个子节点，且它必须是 p 元素（较啰嗦，少用）

在 Python lxml 或浏览器 DevTools 中验证时的典型陷阱

用 lxml 或 Chrome 控制台测试时，容易因 HTML 解析差异踩坑：

• 浏览器会自动补全缺失标签（比如把

  1

  补成带 tbody 的结构），导致你以为 //table/tr[1] 应该命中，实际要写 //table/tbody/tr[1]
• lxml 默认不补全，行为更“原始”，同一段 HTML 在两者中可能返回不同结果
• 用 text() 提取内容后，开头结尾的空白可能来自换行缩进，建议链式调用 .strip()（Python）或用 normalize-space() 函数：//div/p[1]/normalize-space(text())

最稳妥的方式：先用 //* 或 //*[@id="xxx"] 定位到父容器，再逐级加 [n]，避免跨层级硬写绝对路径。