文章目录
lxml和xpath
什么是XPath?
XPath (XML Path Language) 是一门在 XML 文档中查找信息的语言,可用来在 XML 文档中对元素和属性进 行遍历。
XPath 使用路径表达式来选取 XML 文档中的节点或者节点集。这些路径表达式和我们在常规的电脑文件系统中看 到的表达式非常相似。最常用的路径表达式:
谓语(Predicates)
谓语用来查找某个特定的节点或者包含某个指定的值的节点,被嵌在方括号中。
XPath 通配符可用来选取未知的 XML 元素。
运算符
lxml库
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 解析器,可以利用之前学习的
XPath语法,快速定位特定元素以及节点信息。
lxml python 官方文档:http://lxml.de/index.html
lxml 可以自动修正 html 代码,不仅补全了 li 标签,还添加了 body,html 标签。
文件读取
利用 etree.parse() 方法来读取文件