xpath与lxml介绍 · Python爬虫

**Xpath：** Xpath是一门在HTML/XML⽂档中查找信息的语言，可用来在HTML/XML文档中对元素和属性进行遍历。文档：http://www.w3school.com.cn/xpath/index.asp <br/> **lxml：** lxml是Python的一个HTML/XML文档解析器，利用`etree.HTML`函数将HTML/XML文档转换为Element对象，然后结合Xpath语法来解析HTML/XML文档节点信息。 <br/> lxml官方文档：http://lxml.de/index.html。执行`pip install lxml`安装。 <br/> lxml 可以⾃动修正 html/xml 代码，如下为不全的html代码。 ```html <div> <p>xpath，lxml</p> <ul> <li> <strong> Python </strong> </ul> ``` 使用lxml解析： ```python from lxml import etree text = """ <div> <p>xpath，lxml</p> <ul> <li> <strong> Python </strong> </ul> """ # （1）将html文档转换为Element对象 html = etree.HTML(text) print(etree.tostring(html).decode()) ``` 输出如下： ```xml <html><body><div> <p>xpath，lxml</p> <ul> <li> <strong> Python </strong> </li></ul> </div></body></html> ``` 可见lxml自动补全了代码。