Xpath如何在一个范围内多次匹配？

Question

代码有点乱，但是原网页就是这样的，可以变一下

<li class="list__item"><div class="list__title">The world this week</div><a itemProp="url" class="link-button list__link" href="/node/21752687"><span class="print-edition__link-flytitle">Print-edition redesign</span><span class="print-edition__link-title">Introducing our new look</span></a><a itemProp="url" class="link-button list__link" href="/node/21752688"><span class="print-edition__link-title-sub">Politics this week</span></a><a itemProp="url" class="link-button list__link" href="/node/21752686"><span class="print-edition__link-title-sub">Business this week</span></a><a itemProp="url" class="link-button list__link" href="/node/21752685"><span class="print-edition__link-title-sub">KAL’s cartoon</span></a></li><li class="list__item"><div class="list__title">Leaders</div><a itemProp="url" class="link-button list__link" href="/node/21752616"><span class="print-edition__link-flytitle">Politics and power</span><span class="print-edition__link-title">China v America</span></a><a itemProp="url" class="link-button list__link" href="/node/21752617"><span class="print-edition__link-flytitle">Germany</span><span class="print-edition__link-title">Not so grand</span></a><a itemProp="url" class="link-button list__link" href="/node/21752619"><span class="print-edition__link-flytitle">Criminal justice</span><span class="print-edition__link-title">Against pessimism</span></a><a itemProp="url" class="link-button list__link" href="/node/21752620"><span class="print-edition__link-flytitle">Oil markets</span><span class="print-edition__link-title">Beyond boom and bust?</span></a><a itemProp="url" class="link-button list__link" href="/node/21752618"><span class="print-edition__link-flytitle">In praise of the basics</span><span class="print-edition__link-title">Captain Sensible</span></a></li>

浏览器渲染之后，是这样的：

是这样的，每一个<li class="list__item">都是一段内容，里面包含了一个<div class="list__title">和N个li标签，li标签里有N个超链接。
问题：
我需要把同一个<li class="list__item">里的<div class="list__title">和li标签里的href="/node/21752688">取出来，效果是这样的（类型不一定是list，这里是为了看起来更直观）：
['The world this week','/node/21752687','/node/21752688','/node/21752685'],['Against pessimism','/node/21752618','/node/21752617','/node/21752183']...

Answer 1

xpath支持或关系，只要同时选取多个表达式即可: |

由于你这两个元素提取的东西不一样，我建议你用多个xpath表达式提取:

提取div的text属性:

/path/to/li[@class="list__item"]/div/text()

如果你用的是python的lxml库，也可以不用xpath的text()表达式，在得到Element节点之后使用text属性获取经过转义之后的str

提取li元素下的a标签的href属性:

/path/to/li/a/@href

当然同上，你也可以只提取到Element层级，然后用python对应的提取attribute方法获得href属性，不在xpath处理这个问题。

最后把这两个xpath表达式提取出来的结果进行拼接即可