python的lxml库简介

lxml 是一个HTML/XML的解析器，主要的功能是如何解析和提取 HTML/XML 数据。

lxml和正则一样，也是用 C 实现的，是一款高性能的 Python HTML/XML 解析器，我们可以利用之前学习的XPath语法，来快速的定位特定元素以及节点信息。

需要安装C语言库，可使用 pip 安装：pip install lxml

基本使用：

我们可以利用他来解析HTML代码，并且在解析HTML代码的时候，如果HTML代码不规范，他会自动的进行补全。示例代码如下：# 使用 lxml 的 etree 库

from lxml import etree

text = '''

first item
second item
third item
fourth item
fifth item # 注意，此处缺少一个闭合标签

'''

#利用etree.HTML，将字符串解析为HTML文档

html = etree.HTML(text)

# 按字符串序列化HTML文档

result = etree.tostring(html)

print(result)

输入结果如下：

first item
second item
third item
fourth item
fifth item

可以看到。lxml会自动修改HTML代码。例子中不仅补全了li标签，还添加了body，html标签。

从文件中读取html代码：

除了直接使用字符串进行解析，lxml还支持从文件中读取内容。我们新建一个hello.html文件：

first item
second item
third item
fourth item
fifth item

然后利用etree.parse()方法来读取文件。示例代码如下：from lxml import etree# 读取外部文件 hello.htmlhtml = etree.parse('hello.html')

result = etree.tostring(html, pretty_print=True)

print(result)

总结：解析html字符串：使用lxml.etree.HTML进行解析。示例代码如下：htmlElement = etree.HTML(text)

print(etree.tostring(htmlElement,encoding='utf-8').decode("utf-8"))

解析html文件：使用lxml.etree.parse进行解析。示例代码如下：htmlElement = etree.parse("tencent.html")

print(etree.tostring(htmlElement, encoding='utf-8').decode('utf-8'))

这个函数默认使用的是XML解析器，所以如果碰到一些不规范的HTML代码的时候就会解析错误，这时候就要自己创建HTML解析器。parser = etree.HTMLParser(encoding='utf-8')

htmlElement = etree.parse("lagou.html",parser=parser)

print(etree.tostring(htmlElement, encoding='utf-8').decode('utf-8'))

作者：编程小王子AAA

链接：https://www.jianshu.com/p/a8064ce79e94

python的lxml库简介_lxml库相关推荐

Py之Pandas：Python的pandas库简介、安装、使用方法详细攻略
Py之Pandas:Python的pandas库简介.安装.使用方法详细攻略目录 pandas库简介 pandas库安装 pandas库使用方法 1.函数使用方法 2.使用经验总结 3.绘图相关操作 ...
python curses_Py之curses：curses库的简介、使用、安装方法详细攻略
Py之curses:curses库的简介.使用.安装方法详细攻略目录 curses库简介 curses 库 ( ncurses ) 提供了控制字符屏幕的独立于终端的方法.curses 是大多数类似于 ...
Python库：time库
一.time库简介 time库是Python中处理时间的标准库计算机时间的表达提供获取系统时间并格式化输出功能提供系统级精确计时功能,用于程序性能分析引入:import time time.& ...
STM32 HAL库学习笔记1-HAL库简介
STM32 HAL库学习笔记1-HAL库简介 HAL库 SPL 库和 HAL 库两者相互独立,互不兼容.几种库的比较如下目前几种库对不同芯片的支持情况如下 ST 中文官网上有一篇<关于ST库 ...
【Linux基础】静态库和共享库（如何自定义库文件？）
文章目录前言一.库文件的基本知识 1.库文件分类 2.库文件命名二.如何自定义静态库? 1.静态库简介 2.具体流程(详细步骤) 3.静态库缺点三.如何自定义共享库? 1.共享库简介 2.具体 ...
linux静态库与动态库整理
简化版本静态库: 制作: gcc -g -c ./*.c -I ../include/ ar crs libmod.a *.o 使用 gcc -g main.c -L ./ -lmod -I ../ ...
QMUI_Android库和 arch 库官方使用文档
一,QMUI库简介 QMUI Android 的设计目的是用于辅助快速搭建一个具备基本设计还原效果的 Android 项目,同时利用自身提供的丰富控件及兼容处理,让开发者能专注于业务需求而无需耗费精 ...
Linux下动态库和静态库制作与调用
Linux下动态库和静态库制作与调用 1.动态库和静态库简介静态库是指在应用中,有一些公共代码需要反复使用,就把这些代码编译为"库"文件:在链接步骤中,连接器将从库文件取得所 ...
python添加lxml库_Python lxml库简介
lxml是一个Python库,使用它可以轻松处理XML和HTML文件,还可以用于web爬取.市面上有很多现成的XML解析器,但是为了获得更好的结果,开发人员有时更愿意编写自己的XML和HTML解析器. ...

python的lxml库简介_lxml库

python的lxml库简介_lxml库相关推荐

最新文章

热门文章