xiangxengineer的博客

原创 使用python解析HTML网页

对于一个学习网络爬虫的新手来说，解析HTML网页的时候遇到了不少困难，尝试过正则表达式的小白就能体会，使用正则表达式来筛选网页内容是有多费劲，而且总是感觉效果不太好。因此学会使用XPath表达式和lxml库就变得非常重要。然而许多书籍在介绍使用lxml库来解析HTML网页的时候，都比较粗略，如果你直接抓取百度首页作为案例来尝试，会发现第一步就迈不出去。以下是一些书籍介绍的解析HTML网页的...