Lxml
Posted jcjc
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Lxml相关的知识，希望对你有一定的参考价值。
Lxml 是基于 libxml2 这一 XML解析库的 Python 封装。该模块使用 C 语言编写，解析速度比 Beautiful Soup 更快，不过安装过程也更为复杂，最新的安装说明可以参考 http;//Lxml.de/indtallation.html.
和 Beautiful Soup 一样，使用 Lxml 模块的第一步也是将有可能不合法的 HTM 解析为统一格式，下面是使用该模块解析统一个不完整 HTML 的例子。
>>> import lxml.html >>> broken_html = ‘<ul class=country><li>Area <li>Population </ul>‘ >>> tree = lxml.html.fromstring(broken_html) >>> fixed_html = lxml.html.tostring(tree, pretty_print = True) >>> print(fixed_html) b‘<ul class="country">\\n<li>Area </li>\\n<li>Population </li>\\n</ul>\\n‘
lxml 和 Beautiful Soup 一样也可以正确解析两侧缺失是我引号，并闭合标签，不过该模块没有添加<html> 和 <boby> 标签。
解析完输入内容后，进入选择元素的步骤，此时 lxml 有几种不同的方法，比如 XPath 选择器和类似 Beautiful Soup 的 find() 方法。
下面使用 lxml 的 CSS 选择器抽取面积数据的实例代码。
CSS 选择穷的关键代码已经被加粗显示。
CSS 选择器
CSS 选择器表示选择元素所使用的模式，下面是一些常用的选择器示例。
选择所有的标签：*
选择<a> 标签：a
选择所有 class = ‘link‘ 的元素： .link
选择 class = ‘link‘ 的 <a> 标签：a.link
选择 id = ‘home‘ 的 <a> 标签， a#home
选择父元素为 <a> 标签的所有 <span> 字标签： a > span
选择 <a> 标签内部的所有 <span> 标签： a span
选择 title 属性为 ‘home’ 的所有 <a> 标签： a[titile = home]
Lxml 已经实现了大部分 CSS3 属性，其不支持的功能可以参见 httpS://pythonhosted.org/cssselect/#supported-selectors
需要注意的是，lxml 在内部实现中，实际上是将 CSS 选择器转换为等价的 XPath 选择器。
以上是关于Lxml的主要内容，如果未能解决你的问题，请参考以下文章