Python--lxml库的简单介绍及基本使用

1.lxml库介绍

lxml是XML和HTML的解析器，其主要功能是解析和提取XML和HTML中的数据；lxml和正则一样，也是用C语言实现的，是一款高性能的python HTML、XML解析器，也可以利用XPath语法，来定位特定的元素及节点信息

HTML是超文本标记语言，主要用于显示数据，他的焦点是数据的外观
XML是可扩展标记语言，主要用于传输和存储数据，他的焦点是数据的内容

2.安装lxml方法

方法1:
在cmd运行窗口中输入:pip install lxml

方法2：
在Pycharm中下载
File–Setting–Project–Project Interpreter–点击右上角的“+”—
第1步

第2步

第3步

方法3：
进入这个网站进行下载：https://lxml.de/index.html

3.基本使用

我们可以利用他解析HTML代码，并且在解析HTML代码的时候，如果HTML代码不规范或者不完整，lxml解析器会自动修复或补全代码，从而提高效率

实例1：
解析HTML代码块

#提取html中的数据
from lxml import etree


text = '''

        

        

          

              
推荐
              
Python
              
Java
              
前端
              
架构
              
数据库
              
5G
              
游戏开发
              
移动开发
              
运维
          
        
        
>
>


'''
#将字符串解析为html文档
html = etree.HTML(text)
#print(html)
#将字符串序列化为html
result = etree.tostring(html).decode('utf-8')
print(result)

实例2：
读取并解析html文件

#将html文件进行解析
from lxml import etree


#将html文件进行读取
html = etree.parse('data.html')

#将html内容序列化
result = etree.tostring(html).decode('utf-8')
print(result)