咱们来看看爬虫三大库---Lxml库（精简版）

前言：

Lxml库是基于libxm12 的XML解析库的Python封装。该模块使用C语言编写，解析速度比BeautifulSoup更快。Lxml库使用Xpath语法解析定位网页数据。在这里将讲解介绍Lxml库的使用方法及Xpath的语法知识，而且通过案例对正则表达式、BeautifulSoup 和Lxml进行性能对比，最后通过一个综合案例巩固Xpath语言的学习。

1.修正HTML代码

Lxml为XML解析库，但也很好地支持了HTML文档的解析功能，这为使用Lxml库爬取网络信息提供了支持条件，如图所示。



这里体现了Lxml库一个非常实用的功能就是自动修正HTML代码，读者应该注意到了最后一个li标签，其实笔者把尾标签删掉了,是不闭合的。不过，Lxml因为继承了libxml2的特性，具有自动修正HTML代码的功能，这里不仅补齐了li 标签，而且还添加了html和body标签。

2.读取HTML文件

除了直接读取字符串，Lxml 库还支持从文件中提取内容。我们可以通过PyCharm新建一个flower.html 文件。在所需建立文件的位置右击，在弹出的快捷菜单中选择NewHTML File命令，如图5.4所示。

3.解析HTML文件

完成了前面的步骤后,便可利用requests 库获取HTML文件,用Lxml库来解析HTML文件了。

from lxml import etree
import requests
headers = {
    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'
}
res = requests.get('https://book.douban.com/top250' , headers=headers)
html = etree.HTML(res.text)
result = etree.tostring (html)
print (result)

XPath是一门在XML文档中查找信息的语言，对HTML文档也有很好的支持。可以了解Xpath的常用语法以及Xpath语法在爬虫中的使用技巧.这个需要各位作为拓展理解来认识。
好了，本篇博客就到这里了。在往下翻，我的头发都没了。