lxml学习笔记

lxml笔记

import lxml.html

# 将html解析为统一格式
tree = lxml.html.fromstring(html) 
# 返回一个列表
divs=tree.cssselect('css selector')
# 第一个div下的所有内容
divs[0].text_content()
# 第一个div中的文本
divs[0].text
# 提取property以og:image结尾的mate标签中属性content的值
img_url = tree.cssselect('head > meta[property$="og:image"]')[0].attrib['content']

使用 pip 安装/升级 lxml（升至 3.3.5） 时出现以下报错：

"error: command 'x86_64-linux-gnu-gcc' failed with exit status 1"

这是因为一些依赖包没有安装，可以使用以下命令更新依赖包：

$sudo apt-get build-dep python-lxml

在更新完依赖包后，再次执行 pip 安装：

$ sudo pip install lxml --upgrade