《2018年7月2日》【连续265天】
标题：lxml用法；
内容：
例：
from lxml import etree
text = '''
<div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html">third item</a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a>
</ul>
</div>
'''
html = etree.HTML(text)
result = etree.tostring(html)
print(result)其中，这里体现了 lxml 的一个非常实用的功能就是自动修正 html 代码，大家应该注意到了，最后一个 li 标签，其实我把尾标签删掉了，是不闭合的。不过，lxml 因为继承了 libxml2 的特性，具有自动修正 HTML 代码的功能。
所以输出结果是这样的：
<html><body>
<div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html">third item</a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>
</ul>
</div>
</body></html>文件读取：
利用 parse 方法来读取文件。
from lxml import etree
html = etree.parse('hello.html')
result = etree.tostring(html, pretty_print=True)
print(result)（1）获取所有的 <li> 标签：
result = html.xpath('//li')
etree.parse 的类型是 ElementTree，通过调用 xpath 以后，得到了一个列表，包含了 5 个 <li> 元素，每个元素都是 Element 类型
（2）获取 <li> 标签的所有 class
result = html.xpath('//li/@class')
['item-0', 'item-1', 'item-inactive', 'item-1', 'item-0']（4）获取 <li> 标签下的所有 <span> 标签
因为 / 是用来获取子元素的，而 <span> 并不是 <li> 的子元素，所以，要用双斜杠
result = html.xpath('//li//span')（5）获取 <li> 标签下的所有 class，不包括 <li>
result = html.xpath('//li/a//@class')（6）获取最后一个 <li> 的 <a> 的 href
result =html.xpath('//li[last()]/a/@href')（7）获取倒数第二个元素的内容
result = html.xpath('//li[last()-1]/a')（8）获取 class 为 bold 的标签名
result = html.xpath('//*[@class="bold"]')
扫一扫
3041
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
