lxml的简单

lxml是一个非常好的处理xml和html的库.

一般情况下是用来处理html, 使用xpath提取信息

lxml 自带一个etree, 用来形成dom tree

1. 加载html源码

from lxml import etree

root = etree.HTML(htmlsource)

print root

<Element html at 0x10ca378>

2. print root.tag

>>> root.tag
'html'

3. print root.tail

啥也没有

4. root.xpath('//div')

出现一个列表, 然后列表中的元素, 同样有root节点想同的方法.

5. >>> root.attrib

{'lang': 'en-us', 'class':'no-js'}

这个是一个属性, 是字典类型的数据

6. root.items()是root.attrib的节点属性的迭代, 还有root.iter.

7. 提取数据v= root.xpath('//*[@id="loginform"]/section[1]/ul/li[2]/fieldset[1]/input[3]')[0]

8. 更多强大的提取数据的功能, 需要你配合使用各种字符串处理方法和库, 比如正则表达式re.