lxml.etree解析HTML文档

博客介绍了lxml解析文档和读取html文件的相关内容。lxml可通过etree.HTML()构造XPath解析对象并自动修正HTML文本,调用tostring()方法得到的结果为bytes类型,需用decode()转成str类型。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

lxml直接解析文档

etree.HTML():构造了一个XPath解析对象并对HTML文本进行自动修正。

from lxml import etree
text="""
				<p>
                    <span class="salary">10k-20k </span>
                    <span>/北京 /</span>
                    <span>经验1-3年 /</span>
                    <span>本科及以上 /</span>
                    <span>全职</span>
                </p>
"""
def htmlstr():
    pyelement=etree.HTML(text)
    #返回一个字符串。
    html=etree.tostring(pyelement,encoding="utf-8").decode('utf-8')

调用tostring()方法得到HTML代码结果是bytes类型,再使用decode()方法将其转成str类型

读取html文件

def parse_html(url):
    parser=etree.HTMLParser(encoding="utf-8")
    pyelement=etree.parse(url,parser=parser)
   	html=etree.tostring(pyelement, encoding="utf-8").decode("utf-8")
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值