学习笔记(08):150讲轻松搞定Python网络爬虫-xpath-lxml解析HTML代码和文件

立即学习:https://edu.csdn.net/course/play/24756/280673?utm_source=blogtoedu

XML库：

安装：PIP INSTALL LXML

lxm是一个HTML/XML的解析器，主要的功能是如何解析和提取HTML和XML数据。

使用方法1：

from lxml import etree

 

text='''

<div>

    <ul>

        <li class='item-0'><a href='link1.html'>frist item</a></li>

        <li class='item-2'><a href='link1.html'>frist item</a></li>

        <li class='item-3'><a href='link1.html'>frist item</a></li>

        <li class='item-4'><a href='link1.html'>frist item</a></li>

        <li class='item-5'><a href='link1.html'>frist item</a></li>

    </ul>

</div>

'''

#将字符串解析为HTML文档

html=etree.HTML(text)

print(html)

#按字符串序列化HTML，就是转成字符串并且解码

result=etree.tostring(html).decode('utf-8')

print(result)

 

使用方法二：

html=etree.parse('sohu.html')

# html=etree.HTML(text)

print(html)

#按字符串序列化HTML，就是转成字符串并且解码

result=etree.tostring(html).decode('utf-8')

print(result)

 

存在问题，没找到读取文件路径