本文讲述了作者在处理 HTML 代码时遇到的一个神秘 Bug，即元素的提取结果在观察与不观察时表现不同。问题源于 Python 的垃圾回收机制，通过缓存的 Key 选择不当导致元素对象被回收。解决方案是使用 XPath 作为唯一标识，确保每个元素对应唯一的缓存，从而修复问题。
问题背景
先来看一段代码：
这段代码读取tests/163/9.html这个文件里面的 HTML 代码，分别获取 <body> 下面的所有标签内部的所有<a>标签中的文本。说起来可能有点绕口，我举个例子。
<body>
<div>
<a href="/xx">你好</a>
</div>
<h2>
<a>世界</a>
</h2>
</body>
复制代码分别获取<div>标签和<h2>标签下面的<a>标签中的文本，也就是你好和世界。
但这段代码有个问题，就是对于嵌套结构的标签，会重复提取。例如：
<body>
<div>
<h2>
<a href="/xx">你好</a>
</h2>
</div>
</body>
复制代码首先，获取<div>标签下面的<a>标签&#x
最低0.47元/天 解锁文章
扫一扫
3058
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
