使用lxml解析HTML代码

1. 解析html字符串。使用“lxml.etree.HTML( )”进行解析。etree.tostring( )方法可以将htmlelement元素转化成字符串,可以正常打印出来。示例代码如下:

# --coding:utf-8-- #
from lxml import etree
text = """

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

2. 解析html文件。使用“lxml.etree.parse( )”进行解析,该方法默认使用的是“XML”解析器,所以如果碰到不规范的html文件时就会解析错误,报错代码如下:

# --coding:utf-8-- #
from lxml import etree
htmlelement = etree.parse("C:\\Users\\Administrator\\Desktop\\baidu.html")
print etree.tostring(htmlelement, encoding="utf-8").decode("utf-8")
D:\Python3\python27\python.exe 
lxml.etree.XMLSyntaxError: Opening and ending tag mismatch: meta line 3 and head, line 3, column 87

Process finished with exit code 1

这时就要自己创建html解析器,增加参数“parser”,示例代码如下:

# --coding:utf-8-- #
from lxml import etree
parser = etree.HTMLParser(encoding="utf-8")
htmlelement = etree.parse("C:\\Users\\Administrator\\Desktop\\baidu.html", parser=parser)
print etree.tostring(htmlelement, encoding="utf-8").decode("utf-8")
  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值