Python lxml'；s XPath未找到<；ul>；在<；p>；标签

我对pythons lxml的XPath函数有一个问题。以下python代码是一个简单的示例：

from lxml import html, etree

text = """
      <p class="goal">
            <strong>Goal</strong> <br />
            <ul><li>test</li></ul>
        </p>
"""

tree = html.fromstring(text)
thesis_goal = tree.xpath('//p[@class="goal"]')[0]
print etree.tostring(thesis_goal)

从lxml导入html，etree
text=”“”

目标

测试


"""
tree=html.fromstring（文本）
论文目标=tree.xpath（'//p[@class=“goal”]'）[0]
打印etree.tostring（论文目标）

运行代码会产生

<p class="goal">
            <strong>Goal</strong> <br/>
            </p>

目标

如您所见，整个

块丢失。这也意味着不可能使用沿着

//p[@class=“goal”]/ul

行的XPath来处理

，因为

不算作

的子级

这是lxml的一个bug还是一个功能，如果是后者，我如何访问

的全部内容？这个东西被嵌入到一个更大的网站中，甚至不能保证会有一个

标签（里面可能有另一个

，或者其他任何东西）

更新：在收到答案后更新标题，使具有相同问题的人更容易找到此问题。

ul

元素（或更一般的）是（只能包含）。因此

lxml.html

将

text

解析为

In [45]: print(html.tostring(tree))
<div><p class="goal">
            <strong>Goal</strong> <br>
            </p><ul><li>test</li></ul>

</div>

ul

元素（或更一般的）是（只能包含）。因此

lxml.html

将

text

解析为

In [45]: print(html.tostring(tree))
<div><p class="goal">
            <strong>Goal</strong> <br>
            </p><ul><li>test</li></ul>

</div>

---

@unutbu具有正确的anwser。您的HTML无效，HTML解析器将产生意外结果。正如lxml文档中所说

对解析破坏的HTML的支持完全依赖于libxml2的 恢复算法。如果您找到文档，这不是lxml的错 它们被严重破坏，以至于解析器无法处理它们。那里 也不能保证生成的树将包含所有数据 从原始文件中删除。解析器可能不得不严重中断 无法继续解析时出现断开的部分。特别是放错地方了 元标记可能会遇到这种情况，这可能会导致编码问题

根据您试图实现的目标，您可以回退到xml解析器

# Changing html to etree here will produce behaviour you expect
tree = etree.fromstring(text)

---

或者移动到更高级的网站解析包，例如BeautifulSoup4，unutbu有正确的anwser。您的HTML无效，HTML解析器将产生意外结果。正如lxml文档中所说

对解析破坏的HTML的支持完全依赖于libxml2的 恢复算法。如果您找到文档，这不是lxml的错 它们被严重破坏，以至于解析器无法处理它们。那里 也不能保证生成的树将包含所有数据 从原始文件中删除。解析器可能不得不严重中断 无法继续解析时出现断开的部分。特别是放错地方了 元标记可能会遇到这种情况，这可能会导致编码问题

根据您试图实现的目标，您可以回退到xml解析器

# Changing html to etree here will produce behaviour you expect
tree = etree.fromstring(text)

或者移动到更高级的网站解析包，例如BeautifulSoup4