python - 为什么 lxml 找不到这个类？

Question

我正在尝试使用 Python 从页面中抓取一些文本。应该很容易，但是lxml似乎总是让我感到惊讶。这是我尝试过的:

>>> import lxml.html
>>> import urllib

>>> response = urllib.urlopen('http://www.codecademy.com/username')
>>> tree = lxml.html.parse(response)
>>> root = tree.getroot()
>>> root.find_class('stat-count')
[]

我很困惑。以下内容在 html 中:<span class="stat-count">27</span> (同一个类(class)有第二个跨度。)我无法想象为什么 find_class方法以这种方式适用于某些元素，但不适用于其他元素。

我愿意接受任何获取第一个 span 内容的策略标签。但我真的很想深入了解执行此操作的正确方法。我想认为使用 lxml会比使用正则表达式更快且更易于维护，但我似乎从未有过良好的体验。

Answer 1

如果 root = tree.getroot()，它应该可以工作。

import lxml.html
import urllib

response = urllib.urlopen('http://www.codecademy.com/username')
tree = lxml.html.parse(response)
# tree.write('/tmp/test.html')
root = tree.getroot()
print(root.find_class('stat-count'))

产量

[<Element span at 0xa3146bc>, <Element span at 0xa3146ec>]