Python lxml解析HTML并用xpath获取元素

代码

使用方法见注释

#-*- coding: UTF-8 -*-

from lxml import etree

source = u'''
测试数据1
测试数据2

测试数据3


图片
'''

# 从字符串解析
page = etree.HTML(source)

# 元素列表
ps = page.xpath("//p")
for p in ps:
    print u"属性：%s" % p.attrib
    print u"文本：%s" % p.text

# 文本列表
ts = page.xpath("//p/text()")
for t in ts:
    print t

# xpath定位 
ls = page.xpath('//p[@class="p1"][last()]/img')
for l in ls:
    print l.attrib

参考地址

• http://lxml.de/tutorial.html
• http://www.cnblogs.com/descusr/archive/2012/06/20/2557075.html