标签：nbsp 源码 class details tree size encoding ack 解决办法
重点推荐这种解析方式，xpath是最常用且最便捷高效的一种解析方式，通用性
1、解析原理
1、实例化一个etree的对象，且需要将被解析的页面源码数据加载到改对象中。
2、调用etree对象中的xpath方法结合表达式实现标签的定位和内容的捕获
2、环境的安装
1、pip install lxml (lxml是一种解析器)
3、如何实例化一个etree对象 from lxml import etree
1、将本地的html文档中的源码数据加载到etree对象中
etree.parse(filePath)
2、可以将从互联网上获取的源码数据加载到该对象中
etree.HTML(‘page_text‘)
4、xpath(‘xpath表达式‘)
-- /:表示的是从根节点开始定位，表示的是一个层级
-- //:表示的是多个层级，可以表示从任意位置开始定位
-- 属性定位：//div[@class=‘sort‘] tag[@attrName=‘attrValue‘]
--索引定位：//div[@class=‘sort‘]/p[3] 索引从1开始的
-- 取文本 /text() 获取的是标签中直系的文本内容
//text() 获取的是所有后代的文本内容
-- 取属性 /@attrName /src
一个错误：
lxml.etree.XMLSyntaxError: Opening and ending tag mismatch: meta line 3 and head, line 3, column 87 解决办法： 自己创建html解析器，增加parser参数 from lxml import etree parser = etree.HTMLParser(encoding="utf-8") htmlelement = etree.parse("baidu.html", parser=parser) print(etree.tostring(htmlelement, encoding="utf-8").decode("utf-8")） 原文链接：https://blog.csdn.net/Kwoky/java/article/details/81099697
import requests from lxml import etree if __name__ == ‘__main__‘: parser = etree.HTMLParser(encoding="utf-8") #实例化好了一个etree对象，且将被解析的源码加载到该对象中 tree = etree.parse(‘test2.html‘,parser=parser) #r = tree.xpath(‘/html/head/title‘) #[<Element title at 0x27230787248>] #r = tree.xpath(‘/html//title‘) #[<Element title at 0x222b0a57408>] #r= tree.xpath(‘//li[@class="sort"]‘) #[<Element title at 0x25dd0f77048>] #r = tree.xpath(‘//li[@class="sort"]/p[2]‘) # [<Element title at 0x25dd0f77048>] r = tree.xpath(‘//li[@class="sort"]//a/text()‘) print(r) #[<Element li at 0x135d9b37448>]
标签：nbsp 源码 class details tree size encoding ack 解决办法
原文地址：https://www.cnblogs.com/sunflying/p/13193315.html
