python中用lxml解析html

lxml，是python中用来处理xml和html的功能最丰富和易用的库。详情见：http://lxml.de/index.html。

在windows下安装lxml，可以用easy_install工具，也可以直接安装二进制文件。为了方便，我选择直接用二进制方式安装。

二进制文件的下载页面：https://pypi.python.org/pypi/lxml/3.4.1

选择合适的版本，因我的系统是win7，64位，python版本为2.7，所以我选择如下lxml版本。

 

安装完成后，就可以开始python代码了：

import codecs
import sys
from lxml import etree

tree = etree.HTML(open('d:\\GitHub\\python27\\simple.html','r').read())

nodes = tree.xpath("//div[@id='name']")
print(nodes[0]).text

 

用到的html文件：

<!DOCTYPE html>
<html>
<head>
<title>This is a simple html file</title>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8"/>
</head>
<body>
<div id="container">
    <div id="name" class="item">勇者面码</div>
    <div id="sex">女</div>
    <div id="borth">9.18</div>
</div>
</body>
</html>

 

用lxml来解析，不会因为文档头小写而解析失败。

 

 

 

posted @ 2014-12-29 01:55  勇者面码  阅读(6321)  评论(0)  编辑  收藏  举报