在XML和HTML文档的解析过程中，注释节点是一种容易被忽视但确实存在于文档对象模型中的节点类型。XPath作为专门用于在树形结构中定位节点的查询语言，提供了一套明确的语法来选取注释节点。理解这些语法，对于需要精确控制数据抽取范围的开发者来说非常实用。
注释节点在XPath中的表示
根据W3C的XPath规范，文档中的每一种信息都会被抽象为特定类型的节点。元素、属性、文本各有对应的节点测试，而注释也有自己专用的节点测试函数，即comment()。当解析器读取到类似<!-- 这是一个注释 -->的内容时，会在节点树中生成一个注释节点，它和元素节点是平级的兄弟关系。
很多初学者习惯用text()去抓取内容，结果注释里的文字永远取不到，就是因为注释根本不属于文本节点。只有使用comment()才能匹配到这些以<!--开头、-->结尾的片段。在编写爬虫或配置文件读取工具时，明确区分它们可以防止把说明性文字误认为业务字段。
基本选取语法与示例
选取注释节点最直接的方式是在路径表达式里加入comment()。如果只想拿根元素下的直接注释，可以用绝对路径加节点测试；如果要全文档搜索，则使用描述符//。下面是一段XML样例以及对应的XPath写法。
<?xml version="1.0" encoding="UTF-8"?>
<root>
<!-- 根级别注释 -->
<user>
<!-- 用户名称说明 -->
<name>张三</name>
</user>
</root>
针对上面的文档，若使用/root/comment()，只会选出“根级别注释”那一条；若使用//comment()，则两条注释都会被选中。在Python的lxml库中，可以这样写：
from lxml import etree
xml_data = '''
<root>
<!-- 根级别注释 -->
<user>
<!-- 用户名称说明 -->
<name>张三</name>
</user>
</root>
'''
tree = etree.fromstring(xml_data.encode('utf-8'))
comments = tree.xpath('//comment()')
for c in comments:
print(c.text)
运行后控制台会依次输出两段注释文字。值得注意的是，comment()返回的节点对象拥有text属性，里面就是注释体本身，不包括两侧的<!--和-->标记。
结合谓语进行过滤
当文档中注释很多时，我们往往只关心符合某些条件的注释。XPath允许在comment()后面加方括号写谓语，实现类似内容筛选的操作。例如只取包含“说明”二字的注释，可以用//comment()[contains(., '说明')]。
这里的.代表当前注释节点自身的值，也就是它的文字内容。下面的代码演示了如何过滤并提取特定注释：
from lxml import etree
xml_data = '''
<root>
<!-- 待删除 -->
<!-- 配置说明：开启缓存 -->
<item>数据</item>
</root>
'''
tree = etree.fromstring(xml_data.encode('utf-8'))
target = tree.xpath("//comment()[contains(., '配置说明')]")
if target:
print('找到注释：', target[0].text)这种写法在批量处理带有标记含义的注释（比如TODO、FIXME）时特别高效，可以避免在应用层再做字符串判断。
不同解析器的注意事项
并不是所有XML解析器默认都会把注释保留在节点树里。例如Python标准库中的xml.etree.ElementTree，在解析时就会直接丢弃注释，调用xpath也不会有结果，因为它根本不支持完整的XPath且忽略了注释节点。而lxml、Java的DOM4J、JavaScript的DOMParser通常保留注释，但有些HTML清洗库会主动删掉注释以减小树体积。
因此在实际项目中，如果注释选取不到，第一步应确认解析器是否保留注释节点。对于lxml，可以传入parser=etree.XMLParser(remove_comments=False)来显式保证注释不被移除。只有底层树里真实存在注释节点，上层的comment()表达式才能发挥作用。
常见误区与总结
一个常见误区是以为用node()通配符就能顺便拿到注释，其实node()匹配的是元素、文本、属性、处理指令等，注释需要通过comment()单独指明，或者直接用//*的父级再配合comment()。另外，在HTML文档中注释也适用同样规则，但部分浏览器由于容错机制，可能将不规范注释合并，导致XPath结果和源码视图不完全一致。
总体来看，XPath选取注释节点的核心就是善用comment()节点测试，配合绝对路径或//描述符，以及必要的谓语过滤。只要解析器保留了注释且表达式书写正确，就能稳定地将注释作为数据的一部分或排除项进行处理。