XPathで見つかった結果の数が正しくありません

Question

実際、状況は少し複雑です。

は、私は、この例のHTMLからデータを取得しようとしている。今のところ

<li itemprop="itemListElement"> 
    <h4> 
     <a href="/one" title="page one">one</a> 
    </h4> 
</li> 

<li itemprop="itemListElement"> 
    <h4> 
     <a href="/two" title="page two">two</a> 
    </h4> 
</li> 

<li itemprop="itemListElement"> 
    <h4> 
     <a href="/three" title="page three">three</a> 
    </h4> 
</li> 

<li itemprop="itemListElement"> 
    <h4> 
     <a href="/four" title="page four">four</a> 
    </h4> 
</li> 

、私はurllibとlxmlでのPython 3を使用しています。予想通り はいくつかの理由について、次のコードは、

scan = [] 

example_url = "path/to/html" 
page = html.fromstring(urllib.request.urlopen(example_url).read()) 

# Extracting the li elements from the html 
for item in page.xpath("//li[@itemprop='itemListElement']"): 
    scan.append(item) 

# At this point, the list 'scan' length is 4 (Nothing wrong) 

for list_item in scan: 
    # This is supposed to print '1' since there's only one match 
    # Yet, this actually prints '4' (This is wrong) 
    print(len(list_item.xpath("//h4/a"))) 

あなたが見ることができるように、最初の動きは、4つのli要素を抽出し、リストに追加することを（コメントをお読みください）動作しません。各li要素をa要素に対してスキャンしますが、scanの各li要素が実際にはすべて4つの要素であるという問題があります。

...そうだと思いました。

速いデバッグを行うと、scanのリストに4つのli要素が正しく含まれていることがわかりました。結論として、上記のforループに問題があります。

for list_item in scan: 
    # This is supposed to print '1' since there's only one match 
    # Yet, this actually prints '4' (This is wrong) 
    print(len(list_item.xpath("//h4/a"))) 

    # Something is wrong here... 

唯一の本当の問題は、私がバグを突き止めることができないということです。その原因は何ですか？

PS：リストからa要素を取得する簡単な方法がありますが、これはほんの一例であり、実際のものにはもっと多くのものが含まれています。

Answer 1

print(len(list_item.xpath(".//h4/a"))) 

//それは/で始まるので、それは、文書のルートノードから検索します/descendant-or-self::node() を意味します。現在のコンテキストノードを指すように

使用.はない文書全体あなたの例では

Answer 2

、XPathは//から始まるとき、それはそれがあった理由である（文書のルートから検索を開始します、list_itemですアンカー要素の4つすべてに一致します）。あなたはli要素に対する検索したい場合は、主要なスラッシュを省略します：

for item in page.xpath("//li[@itemprop='itemListElement']"): 
    scan.append(item) 

for list_item in scan: 
    print(len(list_item.xpath(".//h4/a"))) 

：もちろん

for item in page.xpath("//li[@itemprop='itemListElement']"): 
    scan.append(item) 

for list_item in scan: 
    print(len(list_item.xpath("h4/a"))) 

を検索が同様に相対的であるように、あなたはまた.//で//を置き換えることができます

2.5 Abbreviated Syntax

：ここ

が仕様から取ら関連の引用です

//は、/descendant-or-self::node()/の略です。たとえば、//paraは/descendant-or-self::node()/child::paraの略であり、文書内でpara要素を選択します（para要素の文書要素でも//paraによって選択されます）。これは文書要素ノードがルートノードの子であるためです。 div//paraはdiv/descendant-or-self::node()/child::paraの略語なので、すべてpara子どもの子孫を選択します。