学习笔记（10):150讲轻松搞定Python网络爬虫-xpath-lxml解析HTML代码和文件

立即学习:https://edu.csdn.net/course/play/24756/280673?utm_source=blogtoedu

lxml是一个HTML/XMLa的解析器，主要功能是如何解析和提取HTML/XML数据

基本使用：

 

from  lxml import  etree
# text = '''
# <div>
#     <ul>
#         <li class="item-0"><a href="www.baidu.com">baidu</a>
#         <li class="item-1"><a href="https://blog.csdn.net/qq_25343557">myblog</a>
#         <li class="item-2"><a href="https://www.csdn.net/">csdn</a>
#         <li class="item-3"><a href="https://hao.360.cn/?a1004">hao123</a>
# '''
# #将字符串解析为html
# html=etree.HTML(text)
# print(html)
# #将字符串序列化html
# result=etree.tostring(html).decode('utf-8')
# print(result)

从文件中读取代码：

#读取
html=etree.parse('hello.html')
result=etree.tostring(html).decode('utf-8')
print(result)