为什么两个tr被lxml解析为相同的第一个tr？

Question

我为target_html绘制了简单的结构：

table--div--tr[id="tr1"]
     |--tr[id="tr2"]
     |--tr[id="tr3"]
     |--tr[id="tr4"]

使用lxml从目标_html提取第一个tr

target_html="""
<table id="t1"> 
<div id="div1"> 
<tr id="tr1"> 
<td>11</td> 
<td>12</td> 
</tr> 
</div> 

<tr id="tr2">
<td>21</td> 
<td>22</td> 
</tr>

<tr id="tr3"> 
<td>31</td> 
<td>32</td> 
</tr> 

<tr id="tr4"> 
<td>41</td> 
<td>42</td> 
</tr> 
</table> """

doc=lxml.html.fromstring(target_html)
for item in doc.xpath('//tr[1]'):
    print(item.text_content())

由lxml解析的Expexted结果：

11 
12 

lxml解析的实际结果：

11 
12     

21 
22 

为什么两个tr被解析为tr[1]

Answer 1

xpath //tr[1]表示选择作为其父元素的第一个子元素（具有该名称）的任何tr元素

选择以下tr是因为它是div的第一个tr子级：

<tr id="tr1"> 
<td>11</td> 
<td>12</td> 
</tr>

选择以下tr是因为它是table的第一个tr子级：

<tr id="tr2">
<td>21</td> 
<td>22</td> 
</tr>

要获取第一个匹配项，请首先将xpath括在括号中

doc.xpath('(//tr)[1]')