Python爬虫之lxml

8、lxml

• lxml 可以接收bytes和str的字符串
• 利用etree.HTML，将字符串转化为Element对象
  html = etree.HTML(text)
• Element对象具有xpath的方法
  html.xpath(‘’)
• lxml可以自动修正和补全html代码，可能会改错需要查看下
  • etree.tostring(html) 可以查看element对象中所包含的字符串，根据修正后的HTML写Xpath
• 提取页面数据的思路
  • 先分组，取到一个包含分组标签的列表

    ret3 = html.xpath("//li[@class='item-1']")
    

  • 遍历，取其中每一组数据进行提取，不会造成数据的对应错乱

    for i in ret3:    
       item = {<