xpath與lxml介紹 · Python爬蟲

**Xpath：** Xpath是一門在HTML/XML?檔中查找信息的語言，可用來在HTML/XML文檔中對元素和屬性進行遍歷。文檔：http://www.w3school.com.cn/xpath/index.asp <br/> **lxml：** lxml是Python的一個HTML/XML文檔解析器，利用`etree.HTML`函數將HTML/XML文檔轉換為Element對象，然后結合Xpath語法來解析HTML/XML文檔節點信息。 <br/> lxml官方文檔：http://lxml.de/index.html。執行`pip install lxml`安裝。 <br/> lxml 可以?動修正 html/xml 代碼，如下為不全的html代碼。 ```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）將html文檔轉換為Element對象 html = etree.HTML(text) print(etree.tostring(html).decode()) ``` 輸出如下： ```xml <html><body><div> <p>xpath，lxml</p> <ul> <li> <strong> Python </strong> </li></ul> </div></body></html> ``` 可見lxml自動補全了代碼。