在获取网页方面，python里的库是一个大家庭。除了之前我们频繁提到的几个，还有lxml库同样非常适合使用。不过lxml库比较特殊，还涉及到Xpath语法的使用，这里我们暂且不讲。lxml的安装教程在往期有，没有的小伙伴可以去安装一下。接下来开始今天对lxml的学习吧。
首先我们利用它来解析 HTML 代码，先来一个小例子来感受一下它的基本用法。
from lxml import etree text = ''' <div> <ul> <li><a href="link1.html">first item</a></li> <li><a href="link2.html">second item</a></li> <li><a href="link3.html">third item</a></li> <li><a href="link4.html">fourth item</a></li> <li><a href="link5.html">fifth item</a> </ul> </div> ''' html = etree.HTML(text) result = etree.tostring(html) print(result)
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。不过，lxml 因为继承了 libxml2 的特性，具有自动修正 HTML 代码的功能。 所以输出结果是这样的
<html><body> <div> <ul> <li><a href="link1.html">first item</a></li> <li><a href="link2.html">second item</a></li> <li><a href="link3.html">third item</a></li> <li><a href="link4.html">fourth item</a></li> <li><a href="link5.html">fifth item</a></li> </ul> </div> </body></html>
不仅补全了 li 标签，还添加了 body，html 标签。
以上就是python爬虫中lxml的使用。用lxml在分析代码和库方面，需要耗费的时间比较多，这点小编也没有太好的办法。大家稍微勿躁，相信等待是会换来好的结果~
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/1729/viewspace-2832292/ ，如需转载，请注明出处，否则将追究法律责任。
下一篇：
怎么退出anaconda虚拟环境
请登录后发表评论
登录
全部评论
