用XPath提取li文本最稳，应避免//li/text()导致空结果，改用//li//text()获取所有嵌套文本，并用strip()清理空白；BeautifulSoup中优先用select('li')配合get_text(strip=True)，注意区分层级内容。
直接用 xpath 或 CSS 选择器 提取 li 文本最稳，别手写正则去匹配 <li> 开头结尾——HTML 嵌套、换行、属性顺序一变就漏数据。
用 lxml.xpath 提取 li 文本时怎么避免空结果？
常见错误是写 //li/text() 却返回空列表，因为很多 li 的文本实际在子标签（比如 a、span）里，/text() 只抓直接子文本节点。
- 要提取所有可读文本（含嵌套标签内），改用
//li//text()（注意是双斜杠） - 若只要
li下第一层a的文本，明确写//li/a/text() - 提取后常带空白符，建议链式调用：
[t.strip() for t in selector.xpath('//li//text()') if t.strip()] - 遇到
<br>混入，先用html.unescape()转义，再清理空白
BeautifulSoup 中用 select() 提取 li 文本的坑
soup.select('li') 返回的是 Tag 对象列表，不是字符串；直接 .text 会把所有子元素文本拼一起，中间没分隔符。
- 想保留结构语义（比如每个
li独立成条），用[li.get_text(strip=True) for li in soup.select('li')] - 若需区分
li内不同层级内容（如标题用strong、描述用p），别全用get_text()，改用li.find('strong').get_text()等定位提取 -
select('li.line-message')比find_all('li', class_='line-message')更快，优先用 CSS 语法
清洗非 li 元素干扰时为什么不能递归 replaceWith(childNodes)？
用原生 DOM 操作递归清理时，若对非 li 元素执行 e.replaceWith(e.childNodes)，会导致后续节点被跳过——因为 childNodes 是实时集合，replaceWith 修改树结构后，原 for 循环仍按初始长度遍历。
立即学习“前端免费学习笔记（深入）”；
- 改用
for of（JavaScript）或list(selector.iter())（Python lxml）确保每次取当前快照 - 更简单做法：先收集所有非
li元素，再倒序移除，避免索引偏移 - Java 场景推荐用
jsoup的select("li").each(...)，它内部已处理迭代安全问题
真正麻烦的不是提取，而是判断哪些 li 该留——比如广告位也用 li 渲染，但 class 是 ad-item；这种得结合属性过滤，不能只认标签名。
