Python中lxml库的xpath功能是否存在已知BUG？
最近在做网易云个人信息遍历抓取；
那么毛病就来了；
https://music.163.com/user/home?id=29879272
https://music.163.com/user/home?id=132128
这是两个个人主页； 29879272 这个呢，etree.HTML(源码)，可以完全解析 html。
132128 这个呢，就 BUG 了，etree.HTML(源码)，发现 html 被截断。
会被源码里面的 description 的 —— 双横线给截断了。简直奇葩；
有没有大神 look look。我发现这是一个 BUG
Python中lxml库的xpath功能是否存在已知BUG？
lxml 不要用 etree.HTML。换成
from lxml.html import fromstring
selector = fromstring(source)
selector.xpath(…)
关于lxml库的xpath功能是否存在已知BUG，我直接说结论：lxml的xpath实现总体稳定可靠，但确实存在一些边界情况下的已知问题。
lxml底层依赖libxml2的xpath引擎，这是经过多年实战检验的C语言库。绝大多数情况下，它的xpath功能是没问题的。不过，在一些特定场景下确实有已知问题：
-
命名空间处理：当处理带命名空间的XML时，如果没正确声明，xpath可能匹配不到节点。这不是bug，而是使用方式问题。
-
某些轴（axis）的边界情况：比如在非常复杂的文档中使用
following-sibling::*[position()>1]这类表达式时，可能会有预期外的结果。 -
大文档性能：虽然不算bug，但在处理超大XML时，某些复杂xpath可能导致内存使用较高。
实际开发中，我遇到xpath问题时会先做三件事：1）用简单xpath验证文档结构；2）检查命名空间；3）在浏览器开发者工具里先测试xpath（如果来源是网页）。
建议：遇到具体问题直接查libxml2的issue tracker更有效。
