python lxml用法

lxml是Python中一个非常流行的XML解析库。它提供了便捷的XML/HTML scraping及操作功能。主要的功能有:- 解析XML/HTML
- XPath和CSS选择器
- 在文档中导航和搜索
- 修改或创建XML/HTML
- 处理良好标记的(well-formed)以及不良好标记的(non well-formed) XML
- 支持XML Schema, RelaxNG, Schematron, DTD等安装:

pip install lxml

示例用法:解析HTML:

python
from lxml import html

# 加载HTML文档
doc = html.fromstring("""<p>Hello<br>World!</p>""")

# 获取所有p标签
ps = doc.findall("p")

# 获取第一个p标签内容 
p = ps[0]
p.text
# 'Hello\nWorld!'

XPath选择器:

python 
# 获取所有a标签
links = doc.xpath("//a")

# 获取href属性 
hrefs = [link.get("href") for link in links]

# 获取id为"main"的div内容
div = doc.xpath("//div[@id='main']") 

修改XML:

python
from lxml import etree 

# 加载XML 
xml = etree.fromstring("""<book><title>Harry Potter</title></book>""")

# 修改title内容
xml.find("title").text = "Lord of the Rings"

# 打印修改后的XML
print(etree.tostring(xml, pretty_print=True).decode())

'''
<book> 
<title>Lord of the Rings</title>
</book>
'''