高性能Html内容解析

XPath (XML Path) 与正则表达式

同：提取HTML源代码信息
异：在同为提取复杂内容的情况下，XPath提取效率更高。

使用建议：正则表达式->提取简单内容；XPath->提取复杂信息

lxml

使用XPath，需要安装第三方库：lxml

基本语法

import lxml.html
selector = lxml.html.fromstring('网页源代码')
info = selector.xpath('一段XPath语句')

Tips：可使用浏览器辅助构建XPath