本文介绍如何通过组合 xpath 表达式，一次性匹配两种不同 class 布局的 html 元素，精准提取运费文本，避免重复解析逻辑，提升爬虫鲁棒性。

本文介绍如何通过组合 xpath 表达式，一次性匹配两种不同 class 布局的 html 元素，精准提取运费文本，避免重复解析逻辑，提升爬虫鲁棒性。

在网页数据抓取实践中，目标字段（如“运费”）常因网站 A/B 版本、前端重构或多模板渲染而存在于结构迥异的 DOM 节点中。例如，你遇到的两类页面：

• 类型一：运费位于
  内部的第二个子

  中；
• 类型二：运费位于
  内部的 标签内。

  若分别维护两套 XPath 并依次尝试，代码冗余且可读性差。更优雅的方案是使用 XPath 的联合选择（Union Operator |），将多个路径合并为一个表达式，由解析器自动返回首个匹配结果。

  ✅ 推荐的统一 XPath 表达式如下：

  (//*[@class="flex flex-row justify-between f6 mid-gray pt2"]/div[@class="green"] | //*[@class="mid-gray flex items-center"]/span)[1]/text()

  ? 关键解析：

  

  htmlppt.skill

  把任意文章或文档内容转换成精美的全屏翻页 HTML 演示文件（幻灯片风格）。当用户发来一篇文章、文档链接、Markdown 内容、或粘贴的文本，并且希望生成演示用的 HTML 时触发。支持任意内容来源：iWiki 链接、KM 链接、本地文件路径、直接粘贴的文本。生成的 HTML 文件保存到本地工作区，并通过企微直接发送给用户。触发词示例：帮我把这篇文章做成PPT、转成演示文档、生成HTML幻灯片、做个演示、转成可以演示的格式、article to deck、make a slide。

  下载

  • (... | ...)：XPath 中的 union 操作符，用于合并两个节点集（注意：仅支持同级节点集合并，不支持嵌套 |）；
  • [1]：作用于整个联合结果集，取第一个有效匹配项（即优先命中类型一，若无则回退至类型二），确保返回唯一值；
  • /div[@class="green"]：比原始问题中的 //div[2] 更健壮——它基于语义 class 精准定位（而非脆弱的序号索引），避免因 DOM 顺序微调导致提取失败；
  • /text()：严格提取纯文本内容，排除子标签干扰。

  ⚠️ 注意事项：

  • | 运算符返回的是去重后的节点集合，但顺序取决于文档中实际出现位置（非表达式书写顺序）。因此 [1] 保证的是“文档中第一个被匹配到的节点”，而非“第一个 XPath 子表达式”。若需强制优先级（如必须先试路径A），建议仍采用 try/except 或 or 逻辑控制流（尤其在 lxml 或 Scrapy 中）；
  • 若目标元素存在多个同类节点（如页面含多处运费），应结合上下文过滤（如父容器 ID、附近关键词等），避免误取；
  • 建议配合 normalize-space() 函数清理首尾空白与换行：

    (//*[@class="flex flex-row justify-between f6 mid-gray pt2"]/div[@class="green"] | //*[@class="mid-gray flex items-center"]/span)[1]/normalize-space(text())

  ? 进阶提示：
  对于更复杂的多结构适配场景，可考虑：

  • 使用 CSS 选择器 + 多路径 fallback（如 response.css('.green::text, .items-center span::text').get()）；
  • 在解析层封装智能提取函数，内置正则校验（如 r'¥?\d+\.?\d*' 匹配金额）进一步增强容错能力。

  统一 XPath 不仅简化代码，更体现了“面向变化编程”的工程思维——用声明式表达替代过程式判断，让数据提取更简洁、可维护、可测试。