lxml模块详解

目录

一、lxml简介

二、lxml安装

三、lxml使用流程

3.1 、etree.HTML()

3.2、etree.tostring()

3.3、etree.xpath()

---

一、lxml简介

        lxml是python的一个解析库，支持HTML和XML解析，同时支持XPath解析方式。Lxml的解析速率相较BeautifulSoup更高，后者学习相较更简单。

        功能：用于解析HTML与XML文件；进行文件读取；etree和Xpath的配合使用

二、lxml安装

        方法一：在cmd终端上输入pip3 install lxml下载安装lxml库

        方法二：下载对应系统版本的wheel文件：

        #下载对应版本的wheel文件:http://www.lfd.uci.edu/~gohlke/pythonlibs/#lxml

        命令行：pip3 install lxml-4.2.1-cp36-cp36m-win_amd64.whl

三、lxml使用流程

3.1 、etree.HTML()

        Lxml库提供了etree模块，专门用来解析HTML/XML包，使用过程如下所示：

        在生成的html中，我们可以通过html[1]调用下一个标签，即body标签

3.2、etree.tostring()

        将Element对象转换为字符串进行输出，请注意，这里转换过来的是字节流。

3.3、etree.xpath()

        创建解析对象调用xpath()方法，完成数据提取。该方法输出为列表，可通过调用列表中Element元素，再通过text方法去调用文本信息。

        除text外还有其他集中调用方法，可作为了解：

                find()： 返回第一个匹配到的数据

                findall()： 返回所有匹配到的数据（列表），在列表中调用对应Element显示

                findtext()： 返回匹配到的文本数据