一、简介
lxml是Python语言里和XML以及HTML工作的功能最丰富和最容易使用的库。它与众不同的地方是它兼顾了这些库的速度和功能 完整性。
通常使用lxml里etree库:from lxml import etree。lxml大部分功能都存在lxml.etree中,一些函数都是通过这个库来进行的。
首先我们使用 lxml 的 etree 库,然后利用 etree.HTML 初始化,然后我们将其打印出来。其中,这里体现了 lxml 的一个非常实用的功能就是自动修正 html 代码,大家应该注意到了,最后一个 li 标签,其实我把尾标签删掉了,是不闭合的。lxml 具有自动修正 HTML 代码的功能。输出结果不仅补全了 li 标签,还添加了 body,html 标签。
from lxml import etree
html='''
<div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class=