站内搜索:
首页 >> 前端 >> 内容
HTML解析:lxml的XPath解析

时间:2017/10/24 16:37:14

#coding:utf8
# BeautifulSoup可以将lxml作为默认的解析器使用,lxml亦可以单独使用;
# 比较BeautifulSoup和lxml:
#(1)
#BeaufulSoup基于DOM,会在如整个文档,解析整个DOM树,比较消耗内存和时间;
#lxml是使用XPath技术查询和处理HTML/XML文档库,只会局部遍历,所以速度较快。
#现在BeautifulSoup可以使用lxml作为默认解析库’
#(2)
#BeautifulSoup较简单,API非常人性化,支持CSS选择器。
# lxml的XPath比较麻烦,开发效率不如BeautifulSoup

#使用lxml解析网页,实例:
from lxml import etree
html_str = """

The Dormouse's story

Once upon a time there were three little sisters; and their names were , and Tillie; and they lived at the bottom of a well.

...

""" html = etree.HTML(html_str) result = etree.tostring(html) print result #lxml还可以自动修正html代码 #除了读取字符串之外,lxml还可以直接读取html文件 #将html_str存储为index.html文件,理由parse方法进行解析: from lxml import etree html = etree.parse('index.html') result = etree.tostring(html, pretty_print=True) print result #用XPath语法抽取所有的URL: html = etree.HTML(html_str) urls = html.xpath(".//*[@class='sister']/@href") print urls

  • 上一篇:如何查看HTML源码?HTML文本格式化教程
  • 下一篇:win7 64位下CCS 5.5工程建立图文教程
  • 返回顶部