使用XPath使用HTML刮削有什么特别的考虑吗？

我试图使用Nokogiri和xpath从HTML中的某个位置抓取数据。我使用的xpath是：

 /html/body/table/tbody/tr[2]/td/table/tbody/tr[2]/td[2]

xpath指向：

<td class="anatxt" nowrap=""> CELL TXT DATA <div id="div0" style="visibility: hidden; position: absolute">

它适用于其他较短的路径，但对于此特定情况，它仅返回

“”

---

为什么会发生这种情况？我遗漏了什么，或者是因为一些bug导致了一个有趣的Nokogiri行为？欢迎使用任何指针。

标签可能不在那里。

---

有些浏览器在不存在时会添加它们，但Nokogiri不会。

标签可能实际上不存在。

---

有些浏览器在不存在时会添加它们，但Nokogiri不会添加。

您能发布一些（完整的）示例标记供我们试验吗？如果是长的，就给它要点。不，除了XPath看起来特别脆弱之外，没有什么特别要考虑的。如果可能的话，您应该关注页面的更多语义方面（如

id

和

class

属性）。正如@d11wtq所说的，您需要向我们展示一个真正的XML使用示例。谢谢大家！它实际上是mozilla添加的

tbody

标记，它最初并不存在。如果您将其从XPath中删除，它会起作用。您可以发布一些（完整的）示例标记供我们使用吗？如果是长的，就给它要点。不，除了XPath看起来特别脆弱之外，没有什么特别要考虑的。如果可能的话，您应该关注页面的更多语义方面（如

id

和

class

属性）。正如@d11wtq所说的，您需要向我们展示一个真正的XML使用示例。谢谢大家！它实际上是mozilla添加的

tbody

标记，它最初并不存在。如果你把它从xpathI中移除，它也会工作。你可以在这里看到我的堆栈溢出问题：正确，一些浏览器添加了

tbody

，这就像是在转移注意力。在构建XPath访问器时，最好查看源文本，而不是依赖浏览器生成访问器。删除

tbody

标记是有效的。该死的浏览器（在这种情况下是mozilla）！谢谢你，我也有这个问题。你可以在这里看到我的堆栈溢出问题：正确，一些浏览器添加了

tbody

，这就像是在转移注意力。在构建XPath访问器时，最好查看源文本，而不是依赖浏览器生成访问器。删除

tbody

标记是有效的。该死的浏览器（在这种情况下是mozilla）！谢谢你，帕瓜迪里奥：）

#!/usr/bin/ruby -w

require 'rubygems'
require 'nokogiri'

page1 = Nokogiri::HTML(open('test1.html'))

a = page1.xpath("/html/body/table/tbody/tr[2]/td/table/tbody/tr[2]/td[2]").text
p a