>拿html文件
>找到’img’标签的每一次出现
>采用他们的’src’属性
>通过创建网址进行处理
>将’src’属性更改为新属性
>使用Python 2.7完成所有这些工作
附:我听说过lmxl和BeautifulSoup.你怎么建议解决这个问题?也许最好使用正则表达式呢?还是别的什么?
解决方法:
import lxml.html as LH
root = LH.fromstring(html_string)
for el in root.iter('img'):
el.attrib['src'] = 'new src'
print(LH.tostring(root, pretty_print=True))
使用正则表达式is generally a bad idea解析HTML.
使用像BeautifulSoup或lxml.html这样的HTML解析器是个更好的主意.
使用BeautifulSoup的一个吸引人之处在于它具有熟悉的Python界面.有很多导航功能:find_all,find_next,find_previous,find_parent,find_next_siblings等.
支持BeautifulSoup的另一个观点是,当lxml不能时,BeautifulSoup可以解析破坏的HTML(例如,通过插入缺少的结束标记). lxml更严格,如果HTML格式不正确,则会引发异常.
与BeautifulSoup API提供的众多功能相比,lxml主要使用XPath迷你语言进行导航.使用XPath进行导航往往比使用BeautifulSoup的等效导航更简洁.问题是你必须learn XPath. lxml is also much much faster than BeautifulSoup.
因此,如果您刚刚开始,BeautifulSoup可能更容易立即使用,但最后我相信lxml更适合使用.
标签:python,parsing,tags,html