4. 实例引入

实例代码如下：

from lxml import etree
text = '''
<div>
    <ul>
        <li class="item-0"><a href="link1.html">first item</a></li>
        <li class="item-1"><a href="link2.html">second item</a></li>
        <li class="item-inactive"><a href="link3.html">third item</a></li>
        <li class="item-1"><a href="link4.html">fourth item</a></li>
        <li class="item-0"><a href="link5.html">fifth item</a>
    </ul>
</div>    
''' 
html = etree.HTML(text)
result = etree.tostring(html)
print(result.decode('utf-8'))

首先导入lxml库的etree模块，然后声明了一段HTML文本，接着调用HTML类进行初始化，这样就构成了一个XPath解析对象。
此处需要注意一点，HTML文本中的最后一个li节点是没有闭合的，而etree模块可以自动修正HTML文本。
之后调用了tostring方法即可输出修正后的HTML代码，但是结果是bytes类型
于是利用decode方法将其转成str类型，结果如下：

<html><body><div>
    <ul>
        <li class="item-0"><a href="link1.html">first item</a></li>
        <li class="item-1"><a href="link2.html">second item</a></li>
        <li class="item-inactive"><a href="link3.html">third item</a></li>
        <li class="item-1"><a href="link4.html">fourth item</a></li>
        <li class="item-0"><a href="link5.html">fifth item</a>
    </li></ul>
</div>    
</body></html>

可以看到，经过处理之后的li节点标签得以补全，并且自动添加了body、html节点
另外，也可以不声明，直接读取文本文件进行解析，实例如下：

html = etree.parse("test.html",etree.HTMLParser())
result = etree.tostring(html)
print(result.decode('utf-8').replace('&#13',''))

- 这次输出结果略有不同，多了一个DOCTYPE声明，不过对解析无任何影响，接如果下：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body><div>;
    <ul>;
        <li class="item-0"><a href="link1.html">first item</a></li>;
        <li class="item-1"><a href="link2.html">second item</a></li>;
        <li class="item-inactive"><a href="link3.html">third item</a></li>;
        <li class="item-1"><a href="link4.html">fourth item</a></li>;
        <li class="item-0"><a href="link5.html">fifth item</a>;
    </li></ul>;
</div>  </body></html>

扩展
etree模块的属性和方法的使用介绍
- 解析输入（字符串/文件 → 树）
- Element 的核心属性（不是方法，不加括号）
- 遍历与查找（最常用）
  - 1. xpath(expr) —— 最强大的查找方式，返回列表
  - 1. find() / findall() —— 用 ElementPath 语法（类似简易 XPath）
  - 1. 结构遍历
lxml.etree 模块 API 全景

posted @ 2026-09-26 19:55 abner_pan 阅读(2) 评论(0) 收藏举报

刷新页面返回顶部

浪青春

4. 实例引入

公告