Python网页抓取之Lxml

Lxml是基于libxml2这一XML解析库的Python封装。该模块使用C语言编写,解析速度比BeautifulSoup更快。
Lxml可以正确解析属性两侧缺失的引号,并闭合标签。如案例一
案例二是Lxml的CSS选择器抽取面积数据的实例代码

#coding=utf-8
import lxml.html
import urllib
#import cssselect
"""案例一"""
#缺省的代码
# broken_html = '<ul class=country><li>area<li>population</ul>'
#
# tree = lxml.html.fromstring(broken_html)
# fixed_html = lxml.html.tostring(tree,pretty_print=True)
# print fixed_html
"""案例二""" 
url = "http://example.webscraping.com/places/view/united-Kingdom-239"
html = urllib.urlopen(url).read()
tree = lxml.html.fromstring(html)
td = tree.cssselect('tr#places_area__row > td.w2p_fw')[0]
area = td.text_content()
print area
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

yy763496668

您的鼓励是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值