Class 使用lxml查找带有类的html元素

我到处都搜索过，找到最多的是doc.xpath（“//element[@class=“classname”]”），但无论我做什么尝试，这都不起作用

我正在使用的代码

import lxml.html

def check():
    data = urlopen('url').read();
    return str(data);

doc = lxml.html.document_fromstring(check())
el = doc.xpath("//div[@class='test']")
print(el)

它只是打印一个空列表

编辑： 真奇怪。我使用谷歌作为测试页面，它在那里运行良好，但在我使用的页面（youtube）上不起作用

这是我使用的确切代码

import lxml.html
from urllib.request import urlopen
import sys

def check():
    data = urlopen('http://www.youtube.com/user/TopGear').read(); #TopGear as a test
    return data.decode('utf-8', 'ignore');


doc = lxml.html.document_fromstring(check())
el = doc.xpath("//div[@class='channel']")
print(el)

---

用于测试的TopGear页面没有任何

元素。但这是可行的（例如）：

或者这个：

el = doc.xpath("//div[@class='a yb xr']")

要查找具有包含字符串

频道

的

类

属性的

元素，可以使用

el = doc.xpath("//div[contains(@class, 'channel')]") 

---

您可以使用lxml.cssselect来简化

class

和

id

请求：

HTML使用类（很多），这使得它们可以方便地钩住XPath查询。然而，XPath不了解/不支持CSS类（甚至不支持空格分隔的列表），这使得类很难检查：查找具有特定类的元素的规范正确方法是：

//*[contains(concat(' ', normalize-space(@class), ' '), '$className')]

在你的情况下，这是

el = doc.xpath(
    "//div[contains(concat(' ', normalize-space(@class), ' '), 'channel')]"
)
# print(el)
# [<Element div at 0x7fa44e31ccc8>, <Element div at 0x7fa44e31c278>, <Element div at 0x7fa44e31cdb8>]

---

“url”

是一个3个字符的字符串。这不是一个HTML文件。显然我没有发布真正的url，而是这样做了。请提供一个。

品牌页面频道

与

频道

不同。但是，根据css，该元素有两个类，品牌页面和频道。那么为什么不呢？是的，根据CSS有两个类。但是XPath不知道CSS的规则。对于XPath，

品牌页面频道

只是一个没有特殊意义的字符串。这实际上很有用，谢谢。作为一个测试，我试图在这个页面上获取一个元素，但它也不起作用。这真的开始让我生气了。el=doc.xpath（'//a[@class=“vote accepted off”]'）它似乎不喜欢找到没有子元素的元素。为了完成您的回答，我们还可以使用not（）进行否定。例如：

el=doc.xpath（//div[contains（@class，'channel'））和not（contains（@class，'disabled'））]）

中的第二个参数包含（）还应添加空格（如

'$className'

和

'channel'

）。否则您仍将匹配类，如

somechannel

。

el = doc.xpath(
    "//div[contains(concat(' ', normalize-space(@class), ' '), 'channel')]"
)
# print(el)
# [<Element div at 0x7fa44e31ccc8>, <Element div at 0x7fa44e31c278>, <Element div at 0x7fa44e31cdb8>]

def _hasaclass(context, *cls):
    return "your implementation ..." 

xpath_utils = etree.FunctionNamespace(None)
xpath_utils['hasaclass'] = _hasaclass

el = doc.xpath("//div[hasaclass('channel')]")