lxml解析html代码和文件

lxml是一个 HTML/XML的解析器,主要的功能是如何解析和提取HTML/XML数据。
lxml和正则一样,也是用C实现的,是一款高性能的 Python HTML/XML解折,我们可以利用之学习的Xpath语法,来快速的定位特定元素以及节点信息。
lxmlpython官方文档:http://hxmlde/indexhtml
要安装C语言库,可使用pip安装 ：pip install lxml
使用lxml解析HTML代码:
1.解析html字符串:使用lxml.etree.HTML进行解析,示例代码如下:
python

htmlElement=etree.HTML(text)
print(etree.tostring(htmlElement, encoding='utf-8').decode("utf-8"))

2、解析htm1文件:使用1xml.etree.parse进行解析,示例代码如下
python

htmlelement=etree.parse("tencent.html")
print(etree.tostring(htmlelement, encoding ='utf-8').decode('utf-8')

这个函数默认使用的是`XML`解析器,所以如碰到一不规范的`HTML`代码的时候就会解析错误，这时候就要自己创建'HTML'解析器。

parser = etree.HTMLParser(encoding='utf-8')
htmlElement = etree.parse("lagou.html",parser = parser)
print(etree.tostring(htmlElement,encoding='utf-8').decode('utf-8'))

lxml了和path结合使用详解
##1xm1结合 xpath注意事项
1使用 xpath语法。应该使用 Element.xpath
方法。来执行 xpath的选择。示例代码如下
python

trs = html.xpath("//tr[position()>1]")

xpath函数返回来的永远是一个列表。
2.获取某个标签的属性
python

href =  html.xpath("//a/@href")

2获取a标签的href性对应的值
3.获取文本,是通过xpath中的text()函数。示例代码如下:
python

address=tr.xpath("./td[4]/text()")[0]

4.在某个标签下,再执行xpath函数,获取这个标签下的子孙元素,那么应该在//
之前加一个点,代表是在当前元素下获取。示例代码如下
python
 

address = tr.xpath("./td[4]/text()")[0]