前言
很多使用 lxml 做网页爬虫的开发者，都会踩中 position() 相关的经典坑：
- 混淆 XPath 下标从 1开始，和 Python 列表下标从0开始；
- 不清楚
[]作用范围，不加括号直接使用//div[position()=2]导致匹配失败； - 分不清
position()匹配规则：相对于当前同级节点，不是全局序号； - 尝试用
position()配合string()批量提取文本，出现预期外结果。
本文结合真实爬虫场景，完整讲解 position() 语法、案例、常见错误、实用业务代码。
运行环境：Python + lxml.etree
一、基础语法规则
1. position() 核心定义
position() 返回当前节点在同级兄弟节点中的位置序号 ，序号从 1 开始，不存在 position()=0。
语法格式：
节点选择器[position() = N]简写等价写法（日常最常用）：
节点选择器[N]//p[2] 等价于 //p[position()=2]
2. 关键红线（90%的人踩坑）
//div[@class="box"][2] ❌ 错误理解
(//div[@class="box"])[2] ✅ 全局匹配集合取第二个原理拆解
//div[@class="box"][2]
含义：在每一个匹配到的div内部，寻找第二个子元素，不是「全局所有匹配元素里的第二个」。
(//div[@class="box"])[2]
先把所有匹配的元素打包成节点集合，再从集合中取第二个元素。
如果你的需求是全局筛选结果按序号取值，必须加括号。
对应 position() 写法：
(//div[@class="box"])[position()=2]二、分层实战案例
测试HTML样本（沿用你爬虫真实结构）
<td>
<p>Capital Market Day 2015:<br><br> </p>
<p>ANDRITZ GROUP, Wolfgang Leitner</p>
<p>Schuler Group, Stefan Klebert</p>
<p>Achievements and potentials, Martin Habert</p>
</td>假设当前上下文节点：td_node（对应你代码里的 td_list[0]）
案例1：选取第一个p标签
# 两种写法等价
p1 = td_node.xpath('./p[position()=1]')
p1 = td_node.xpath('./p[1]')
# 提取内部全部文本
title = td_node.xpath('string(./p[position()=1])').strip()案例2：选取第2个及以后所有p标签（业务高频需求）
爬虫经常需要：标题取第一个p，数据列表取剩余全部p
./p[position() > 1]Python完整代码：
from lxml import etree
html = """
<td>
<p>Capital Market Day 2015:<br><br> </p>
<p>ANDRITZ GROUP, Wolfgang Leitner</p>
<p>Schuler Group, Stefan Klebert</p>
<p>Achievements and potentials, Martin Habert</p>
</td>
"""
tree = etree.HTML(html)
td_node = tree.xpath('//td')[0]
# 标题：第一个p
top_title = td_node.xpath('string(./p[position()=1])').strip()
# 数据列表：position>1 所有p
p_nodes = td_node.xpath('./p[position() > 1]')
data_list = [p.xpath('string()').strip() for p in p_nodes]
print("标题：", top_title)
print("名单列表：", data_list)输出：
标题： Capital Market Day 2015:
名单列表： ['ANDRITZ GROUP, Wolfgang Leitner', 'Schuler Group, Stefan Klebert', 'Achievements and potentials, Martin Habert']案例3：全局匹配，取第二个class匹配元素
场景：页面存在多个 <div class="content-placement-wrapper">，取第二个
# 正确写法
(//div[@class="content-placement-wrapper"])[position()=2]
# 简写
(//div[@class="content-placement-wrapper"])[2]接着在内部查找子元素：
(//div[@class="content-placement-wrapper"])[2]//div[@class="ci-col-1"]案例4：position() 与 last() 搭配
last() 获取同级节点总数
选取最后一个p：
./p[position() = last()]选取倒数第二个p：
./p[position() = last()-1]三、高频错误汇总
错误1：使用 position()=0
./p[0]
./p[position()=0]❌ XPath序号从1开始，永远匹配不到任何节点，返回空列表。
很多新手把 Python 列表 [0] 的习惯直接带入 XPath，这是最常见bug。
错误2：不加括号，想用序号筛选全局结果
//div[@class="content-placement-wrapper"][2] ❌解读：找到每个content-placement-wrapper内部第二个子节点，不是全局第二个div。
错误3：试图使用 string() 批量配合position直接返回列表
# 错误写法，无法得到列表
text_list = td_node.xpath('string(./p[position()>1])')string(节点) 只能接收单个节点，返回字符串；不能批量处理一组节点。
✅ 正确思路：先获取节点列表，再循环调用 string() 提取文本。
错误4：混淆「相对上下文position」和「全局序号」
<div class="wrap">
<p>文本1</p>
</div>
<div class="wrap">
<p>文本2</p>
</div>//div/p[1]
这里的 position()=1 是每个div内部p的位置，不是页面上所有p全局排序。
四、position() 实用拓展表达式速查表
| XPath表达式 | 含义 |
|---|---|
./p[position()=1] |
当前节点下第一个p |
./p[position()>1] |
当前节点下第2个及以后所有p |
./p[position()<3] |
当前节点下第1、2个p |
./p[position()=2 or position()=3] |
当前节点下第2、3个p |
(//div[@class="box"])[3] |
全局所有匹配div集合中第三个 |
./p[position()=last()] |
同级最后一个p |
五、爬虫通用模板（直接复制使用）
适用于你当前抓取表格 <td> 多行p标签场景
import re
from lxml import etree
def clean_text(raw_text):
"""清理不间断空格、换行、多余空白"""
if not raw_text:
return ""
return re.sub(r"\s+", " ", raw_text).strip()
html = """你的网页html"""
tree = etree.HTML(html)
td_list = tree.xpath("//td")
for td in td_list:
# 标题：第一个p
title_raw = td.xpath('string(./p[position()=1])')
title = clean_text(title_raw)
# 内容列表：排除第一个p，剩下全部
p_node_list = td.xpath('./p[position() > 1]')
content_list = [clean_text(p.xpath('string()')) for p in p_node_list]
print("标题：", title)
print("内容：", content_list)六、总结
- XPath
position()起始序号 1 ，杜绝[0]； []筛选作用域很关键：全局筛选集合取值必须外层包裹()；position()是同级兄弟节点内排序，不是页面全局排序；- 批量提取文本：先选出节点列表，循环执行
string()，不要试图一条xpath直接返回字符串列表； - 业务中
position() > 1、position() = last()是表格、列表爬虫高频写法。