1、從文件中讀取html內容，然后xpath加載?

with open('FilePath', 'r',encoding='utf8') as file:html = file.read()  
tree = etree.HTML(html)

2、基本定位語法

/?? ?從根節點開始選取?? ?/html/div/span
//?? ?從任意節點開始選取?? ?//input
.?? ?選取當前節點?? ??
..?? ?選取當前節點的父節點? ?

3、正則表達式匹配內容

? CitedNames = item.xpath('.//a[re:test(text(),"[^View All]")]/text()',namespaces={"re": "http://exslt.org/regular-expressions"})

其中[^View All]是正則表達式部分，這里是text不等于View All的;需要注意的是，如果是等于，則不需要[]，即直接用，如：

 skill = tree.xpath('//div[@class="nova-c-card__body nova-c-card__body--spacing-inherit"]//b[re:test(text(),"Skills and Expertise")]/text()',namespaces={"re": "http://exslt.org/regular-expressions"})

xpath中的.是當前節點開始；item是我當前要處理的節點。

說明：這里我使用的是re:test，因為re:test比re:match更高效，因為test返回的是一個布爾值，而match返回的是滿足條件的數組，隨意根據自己的需求調整。

不包括的寫法：not(contains(xx,"具體內容"),如：

 #text中不包括[...]的
resInfo['authors'] = researchItem[3].xpath('.//span[not(contains(text(),"[...]"))]/text()')
#如果是屬性中不包括的則,如，a中href不包含more的
resInfo['authors'] = researchItem[3].xpath('.//a[not(contains(@href,"more"))]/text()')

4、當前節點的父節點的父節點

..為當前節點的父節點的選擇，父節點的父節點即是../../；如：

 skill[0].xpath('../..//a[re:test(text(),"[^Show more]")]/text()',namespaces={"re": "http://exslt.org/regular-expressions"})

5、根據id或class檢索

#從根節點開始找id為xxx的div 
researchItemDiv = tree.xpath('//div[@id="research-items"]')#從根節點出發找class為xxx的div內的文本
aboutArr = tree.xpath('//div[@class="nova-c-card__body nova-c-card__body--spacing-inherit"]//text()')