@[TOC](python lxml.html.fromstring与etree.HTML())
晚上看了一个大佬的爬虫解析代码,
有下面这样一段
import lxml.html
resp = requests.get(url, headers=headers)
text = resp.content.decode('utf8')
# 查了一下,下面这一句也是把html转换为html document树
doc = lxml.html.fromstring(text)
我看的很懵
因为我以前从来都是下面这样写的
from lxml import etree
resp = requests.get(url,headers= headers)
# text = resp.text
text = resp.content.decode("utf-8")
html = etree.HTML(text)
查看文档之后,etree功能更多,lxml.html专解析html,带了点特殊的方法
- lxml.html特有:link[0].text_content()
- lxml.html.diff:可以比较两个文件的差别
参考文章:http://blog.sina.com.cn/s/blog_8bbe95060102x5rv.html