Python lxml庫(kù)的簡(jiǎn)單介紹及基本使用講解

更新時(shí)間：2020年12月22日 14:59:21 作者：pinuscembra

lxml是XML和HTML的解析器，其主要功能是解析和提取XML和HTML中的數(shù)據(jù)，本文重點(diǎn)給大家介紹Python lxml庫(kù)的簡(jiǎn)單介紹及基本使用講解，感興趣的朋友跟隨小編一起看看吧

1.lxml庫(kù)介紹

lxml是XML和HTML的解析器，其主要功能是解析和提取XML和HTML中的數(shù)據(jù)；lxml和正則一樣，也是用C語言實(shí)現(xiàn)的，是一款高性能的python HTML、XML解析器，也可以利用XPath語法，來定位特定的元素及節(jié)點(diǎn)信息

HTML是超文本標(biāo)記語言，主要用于顯示數(shù)據(jù)，他的焦點(diǎn)是數(shù)據(jù)的外觀
XML是可擴(kuò)展標(biāo)記語言，主要用于傳輸和存儲(chǔ)數(shù)據(jù)，他的焦點(diǎn)是數(shù)據(jù)的內(nèi)容

2.安裝lxml方法

方法1:
在cmd運(yùn)行窗口中輸入:pip install lxml

在這里插入圖片描述

方法2：
在Pycharm中下載
File–Setting–Project–Project Interpreter–點(diǎn)擊右上角的“+”—
第1步

在這里插入圖片描述

第2步

在這里插入圖片描述

第3步

在這里插入圖片描述

方法3：
進(jìn)入這個(gè)網(wǎng)站進(jìn)行下載：https://lxml.de/index.html

在這里插入圖片描述

3.基本使用

我們可以利用他解析HTML代碼，并且在解析HTML代碼的時(shí)候，如果HTML代碼不規(guī)范或者不完整，lxml解析器會(huì)自動(dòng)修復(fù)或補(bǔ)全代碼，從而提高效率

實(shí)例1：
解析HTML代碼塊

#提取html中的數(shù)據(jù)
from lxml import etree

text = '''
<html>
    <div class="clearfix">
    <div class="nav_com">
     <ul>
       <li class="active"><a href="/" rel="external nofollow" >推薦</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" >架構(gòu)</a></li>
       <li class=""><a href="/nav/db" rel="external nofollow" >數(shù)據(jù)庫(kù)</a></li>
       <li class=""><a href="/nav/5g" rel="external nofollow" >5G</a></li>
       <li class=""><a href="/nav/game" rel="external nofollow" >游戲開發(fā)</a></li>
       <li class=""><a href="/nav/mobile" rel="external nofollow" >移動(dòng)開發(fā)</a></li>
       <li class=""><a href="/nav/ops" rel="external nofollow" >運(yùn)維</a></li>
     </ul>
    </div>
    </div>
</html>>
</html>>

'''
#將字符串解析為html文檔
html = etree.HTML(text)
#print(html)
#將字符串序列化為html
result = etree.tostring(html).decode('utf-8')
print(result)

實(shí)例2：
讀取并解析html文件

#將html文件進(jìn)行解析
from lxml import etree
#將html文件進(jìn)行讀取
html = etree.parse('data.html')
#將html內(nèi)容序列化
result = etree.tostring(html).decode('utf-8')
print(result)

到此這篇關(guān)于Python lxml庫(kù)的簡(jiǎn)單介紹及基本使用講解的文章就介紹到這了,更多相關(guān)Python lxml庫(kù)使用內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: