您的位置:首页 > 编程语言 > Python开发

Python网页抓取之Lxml

2017-05-09 10:48 134 查看
Lxml是基于libxml2这一XML解析库的Python封装。该模块使用C语言编写,解析速度比BeautifulSoup更快。

Lxml可以正确解析属性两侧缺失的引号,并闭合标签。如案例一

案例二是Lxml的CSS选择器抽取面积数据的实例代码

#coding=utf-8
import lxml.html
import urllib
#import cssselect
"""案例一"""
#缺省的代码
# broken_html = '<ul class=country><li>area<li>population</ul>'
#
# tree = lxml.html.fromstring(broken_html)
# fixed_html = lxml.html.tostring(tree,pretty_print=True)
# print fixed_html
"""案例二"""
url = "http://example.webscraping.com/places/view/united-Kingdom-239"
html = urllib.urlopen(url).read()
tree = lxml.html.fromstring(html)
td = tree.cssselect('tr#places_area__row > td.w2p_fw')[0]
area = td.text_content()
print area
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: