爬虫系列14.Lxml

Lxml是基于libxml2这一XML解析库的Python封装。 该模块使用C语言编写解析速度比Beautiful Soup 更快

导入模块： import lxml.html 修复html，解析两侧缺失的引号，并闭合标签 tree = lxml.html.fromstring(broken_html) 将网页 fixd_html = lxml.html.tostring(tree, pretty_print=True) Css选择器 td = tree.cssselect('tr#places_area_row > td.w2p_f2w')[0] id为places_area_row的行级元素，然后找到class为w2p_f2w的td子标签 选择所有标签： ＊ 选择＜ a ＞标签： a 选择所有cla s s ＝ ”li n k ” 的元素： .l i n k 选择cla s s ＝ ” li 口k ” 的＜ a ＞标签： a.lin k 选择id= " home ” 的＜ a ＞标签： aJf home 选择父元素为＜ a ＞标签的所有＜ span＞子标签： a > span 选择＜ a ＞标签内部的所有＜ span＞标签： a span 选择t i tle 属性为” Home ” 的所有＜ a ＞标签： a [ t i tle=Home ]