解决爬虫中lxml.etree.XMLSyntaxError问题

在使用lxml中的etree.parse()方法解析HTML页面源码的时候，可能会报错：lxml.etree.XMLSyntaxError。出现这个问题的主要原因是：html代码书写不规范，不符合xml解析器的使用规范。

解决方法

修改代码如下：

1. 解析本地的HTML源码文件，假设其为：XX.html，根据实际更改。

parser = etree.HTMLParser(encoding="utf-8")
tree = etree.parse('XX.html', parser=parser)

2. 解析从互联网获取的HTML源码数据。

page_text = requests.get(url, headers).text
parser = etree.HTMLParser(encoding="utf-8")
tree = etree.HTML(page_text, parser=parser)