lxml中etree.HTML()和etree.tostring()用法

原文链接： https://python3webspider.cuiqingcai.com/

etree.HTML():构造了一个XPath解析对象并对HTML文本进行自动修正。
etree.tostring()：输出修正后的结果，类型是bytes
可参考以下代码：

from lxml import etree
text = '''

    

         
first item
         
second item
         
third item
         
fourth item
         
fifth item
     
 
'''
html = etree.HTML(text)
result = etree.tostring(html)
print(result.decode('utf-8'))

这里首先导入lxml库的etree模块，然后声明了一段HTML文本，调用HTML类进行初始化，这样就成功构造了一个XPath解析对象。这里需要注意的是，HTML文本中的最后一个li节点是没有闭合的，但是etree.HTML模块可以自动修正HTML文本。
这里我们调用tostring()方法即可输出修正后的HTML代码，但是结果是bytes类型。这里利用decode()方法将其转成str类型，结果如下

    

         
first item
         
second item
         
third item
         
fourth item
         
fifth item
     
 

可以看到，经过处理之后，li节点标签被补全，并且还自动添加了body、html节点。

参考：崔庆才的Python3网络爬虫开发实战