使用ETREE获取文本元素

etree是python中的XML解析库，主要用于解析和操作XML文档，用 pip install lxml 安装etree。

首先使用时需要导入etree模块

l

以HTML为例来获取其中的元素

要查找HTNL文本下的元素就需要输入代码：

selector=etree.HTML(html)

1.查找出html中【li】第一个【li】标签下的a元素文本信息

list_1=selector.xpath('//div/ul/li[1]')

2.通过class属性查找html中第三个【li】标签属性和a元素文本信息

list_2=selector.xpath('//div/ul/li[@class="line-message"]')

3.通过href属性定位查找出已知Html中[li]中第4个[li]标签属性及a元素文本信息

list_3=selector.xpath('//div/ul/li[4]/a[@href="link4.html"]')

4：提取出含有‘line-’的li下的a元素内容

list_4=selector.xpath('//li/a/text()')

5.删除左右空格，使用空格替换\n

list5_text=list5_all.strip().replace('\n',' ')