使用 lxml 解析字符串或文件

 

lxml.etree.XMLSyntaxError: Opening and ending tag mismatch 问题解决方法：设置解析器

from lxml import etree

if __name__ == '__main__':
    text = "<div><p>Hello Python</p><p>Hello Java</p><p>Hello World</p></div>"

    # 从字符中进行解析
    tree1 = etree.fromstring(text)
    print(type(tree1))
    # 从字符串中进行解析 XML 文档或者片段
    tree2 = etree.XML(text)
    print(type(tree2))
    # 从字符串中进行解析 HTML 文档或者片段
    tree3 = etree.HTML(text)
    print(type(tree3))

    # 相同点：都是从字符串常量中进行解析
    # 不同点：fromstring 没有默认的解析器，XML 默认解析器是 XMLParser， HTML 默认解析器 HTMLParser
    #        fromstring 支持XMLParser、HTMLParser

    # 根据HTML代码的规范性，标签都要求是一对出现的，这种单标签需要补一个斜线，
    # 但是我们常用的IDE生成这一行代码的时候往往都不会自动补全一个斜线
    # 如果不想修改html 文件的话，可以在parse 函数中指定解析器

    # html = etree.parse(source="index.html", parser= etree.HTMLParser())
    # 默认情况下，parser 是使用 XMLParser， XML 的规范要求元素是闭合的。
    # lxml.etree.XMLSyntaxError: Opening and ending tag mismatch
    # 这个问题的解决方式就是在解析 HTML 的时候，使用 HTMLParser 或者修改 html 文件（不推荐）。
    html = etree.parse(source="index.html", parser= etree.XMLParser())

    type(html)