python 解析库lxml

1.介绍

lxml是XML和HTML的解析器，其主要功能是解析和提取XML和HTML中的数据；lxml和正则一样，也是用C语言实现的，是一款高性能的python HTML、XML解析器，也可以利用XPath语法，来定位特定的元素及节点信息

HTML是超文本标记语言，主要用于显示数据，他的焦点是数据的外观
XML是可扩展标记语言，主要用于传输和存储数据，他的焦点是数据的内容

2.安装lxml方法

pip install lxml

3. 基本使用

我们可以利用他解析HTML代码，并且在解析HTML代码的时候，如果HTML代码不规范或者不完整，lxml解析器会自动修复或补全代码，从而提高效率

实例1：
解析HTML代码块

#提取html中的数据

from lxml import etree

text = '''

<html>

    <div class="clearfix">

    <div class="nav_com">

     <ul>

       <li class="active"><a href="/" rel="external nofollow" >推荐</a></li>

       <li class=""><a href="/nav/python" rel="external nofollow" >Python</a></li>

       <li class=""><a href="/nav/java" rel="external nofollow" >Java</a></li>

       <li class=""><a href="/nav/web" rel="external nofollow" >前端</a></li>

       <li class=""><a href="/nav/arch" rel="external nofollow" >架构</a></li>

       <li class=""><a href="/nav/db" rel="external nofollow" >数据库</a></li>

       <li class=""><a href="/nav/5g" rel="external nofollow" >5G</a></li>

       <li class=""><a href="/nav/game" rel="external nofollow" >游戏开发</a></li>

       <li class=""><a href="/nav/mobile" rel="external nofollow" >移动开发</a></li>

       <li class=""><a href="/nav/ops" rel="external nofollow" >运维</a></li>

     </ul>

    </div>

    </div>

</html>>

</html>>

'''

#将字符串解析为html文档

html = etree.HTML(text)

#print(html)

#将字符串序列化为html

result = etree.tostring(html).decode('utf-8')

print(result)

实例2：
读取并解析html文件

#将html文件进行解析
from lxml import etree
#将html文件进行读取
html = etree.parse('data.html')
#将html内容序列化
result = etree.tostring(html).decode('utf-8')
print(result)

实例3：

xpath解析

from lxml import etree
import requests
rep=requests.get('https://www.baidu.com')
html=etree.HTML(rep.text)
aa=html.xpath('//*[@id="s_xmancard_news"]/div/div[2]/div/div[1]/h2/a[1]/@href')
print(aa)

python 解析库lxml

1.介绍

2.安装lxml方法

3. 基本使用

最新文章：