1、从文件中读取html内容，然后xpath加载 

with open('FilePath', 'r',encoding='utf8') as file:html = file.read()  
tree = etree.HTML(html)

2、基本定位语法

/    从根节点开始选取    /html/div/span
//    从任意节点开始选取    //input
.    选取当前节点     
..    选取当前节点的父节点   

3、正则表达式匹配内容

  CitedNames = item.xpath('.//a[re:test(text(),"[^View All]")]/text()',namespaces={"re": "http://exslt.org/regular-expressions"})

其中[^View All]是正则表达式部分，这里是text不等于View All的;需要注意的是，如果是等于，则不需要[]，即直接用，如：

 skill = tree.xpath('//div[@class="nova-c-card__body nova-c-card__body--spacing-inherit"]//b[re:test(text(),"Skills and Expertise")]/text()',namespaces={"re": "http://exslt.org/regular-expressions"})

xpath中的.是当前节点开始；item是我当前要处理的节点。

说明：这里我使用的是re:test，因为re:test比re:match更高效，因为test返回的是一个布尔值，而match返回的是满足条件的数组，随意根据自己的需求调整。

不包括的写法：not(contains(xx,"具体内容"),如：

 #text中不包括[...]的
resInfo['authors'] = researchItem[3].xpath('.//span[not(contains(text(),"[...]"))]/text()')
#如果是属性中不包括的则,如，a中href不包含more的
resInfo['authors'] = researchItem[3].xpath('.//a[not(contains(@href,"more"))]/text()')

4、当前节点的父节点的父节点

..为当前节点的父节点的选择，父节点的父节点即是../../；如：

 skill[0].xpath('../..//a[re:test(text(),"[^Show more]")]/text()',namespaces={"re": "http://exslt.org/regular-expressions"})

5、根据id或class检索

#从根节点开始找id为xxx的div 
researchItemDiv = tree.xpath('//div[@id="research-items"]')#从根节点出发找class为xxx的div内的文本
aboutArr = tree.xpath('//div[@class="nova-c-card__body nova-c-card__body--spacing-inherit"]//text()')