最快方式是用浏览器开发者工具查看dom树：按ctrl+shift+i（windows/linux）或cmd+option+i（mac）打开，切换到elements面板，左侧即为浏览器解析后的实时dom树，支持高亮、复制选择器、观察层级与属性。
用浏览器开发者工具直接看 DOM 树
这是最快、最可靠的方式，不需要写代码，也不依赖第三方库。DOM 树就是浏览器实际解析后生成的结构，和原始 HTML 可能不完全一致（比如自动补全 <tbody>、修正嵌套错误）。
<p>常见错误现象：你写的 <code>select('div.content p') 在 Python 里没结果，但网页上明明有——大概率是原始 HTML 没闭合标签，浏览器自动修复了，而解析器没修，导致层级对不上。
- 按
Ctrl+Shift+I（Windows/Linux）或Cmd+Option+I（Mac）打开开发者工具 - 切到
Elements面板，左侧就是实时 DOM 树 - 鼠标悬停在 DOM 节点上，页面对应区域会高亮；右键节点可“Copy selector”或“Copy XPath”，直接拿去代码里用
- 注意观察缩进层级、
class和id属性值，它们才是真实存在的定位依据
用 BeautifulSoup 解析时要注意 parser 的行为差异
BeautifulSoup 不是直接读 DOM，而是解析原始 HTML 字符串。不同 parser 对不规范 HTML 的容忍度和修复策略完全不同，直接影响树结构。
使用场景：你拿到的是服务器返回的 raw HTML（比如 requests.get(url).text），不是浏览器渲染后的结果。
-
html.parser：Python 内置，容错中等，速度快，适合大多数静态页 -
lxml：需pip install lxml，修复更激进（比如自动加<tbody>），XPath 支持好，但可能把原始结构“改过头” <li> <code>html5lib：最接近浏览器行为，会模拟 HTML5 规范修复，但慢，且不支持 XPath - 别省略 parser 参数——写成
BeautifulSoup(html, 'html.parser')，否则默认用系统第一个可用 parser，行为不可控 -
//article/div[2]/section/p[1]：从任意<article></article>开始，找第 2 个<div> 下的 <code><section></section>里的第 1 个<p></p> -
//div[@class="post-content"]//h2[1]：匹配 class 为post-content的<div> 内部任意深度的第一个 <code><h2></h2> - 注意：XPath 返回的是
list，即使只匹配一个也要取[0]，否则调用text_content()会报AttributeError - 属性值含空格或特殊字符？用
contains(@class, "item")替代精确匹配 - 用
node.parent.name看父标签名，node.parent.attrs看父节点属性 -
for child in node.children:—— 过滤掉空白文本节点：if child.name: ... - 检查兄弟节点顺序：
list(node.previous_siblings)和list(node.next_siblings)返回的是逆序/正序列表，不是单个节点 - 调试时打印
node.name和node.get_text()[:20]，比看整个 HTML 更快定位异常节点
用 lxml + XPath 定位深层嵌套元素
当目标元素藏在多层 <div> 套娃里，CSS 选择器容易写长且难维护，<code>xpath() 更精准、表达力更强。
性能影响：lxml 解析速度明显快于 BeautifulSoup，尤其处理大文件或批量任务时。
手动遍历 DOM 树确认父子关系
当你不确定某个元素是否真是目标节点的直接父级，或者想验证 find_parent() / find_next_sibling() 的行为，手写一段遍历脚本能快速厘清。
容易踩的坑：find_all() 默认只查直接子节点（recursive=False），但很多人误以为它搜整棵树；contents 包含文本节点和注释，children 只返回元素节点。
