请注意这一行：html_page = etree.HTML(response_page.text)，
etree.HTML()可以用来解析字符串格式的HTML文档对象，将传进去的字符串转变成_Element对象
说以你输出的是_Element对象,接下来就可以按照etree特定的语法规则去提取数据。
举例：
import requests
url = 'https://www.baidu.com'
res = requests.get(url)
html = res.text
print(type(html))
print(html)输出：
我们可以看到输出的是字符串。
接着我们使用etree格式化
import requests
from lxml import etree
url = 'https://www.baidu.com'
res = requests.get(url)
html = etree.HTML(res.text)
print(type(html))
print(html)输出：
利用xpath和tostring()组合提取即可。
如何利用组合呢？
例：
from lxml import etree
html = """
<html>
<body>
<h1>Hello,World</h1>
<div>轻点击<a>这条</a>链接</div>
</body>
</html>
"""
"""
_element = etree.HTML(html)
_text = _element.xpath('//div/text()')
print(_text)输出：
会得不到我们想要的内容，
这个时候我们需要利用tostring()
from lxml import etree
html = """
<html>
<body>
<h1>Hello,World</h1>
<div>轻点击<a>这条</a>链接</div>
</body>
</html>
"""
_element = etree.HTML(html)
_text = _element.xpath('*//div')
ent_text = etree.tostring(_text[0],method='text',encoding='utf-8')
print(ent_text.decode())
最终得到我们想要的结果。
9660
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
