lxml 用法源自 lxml python 官方文檔，更多內容請直接參閱官方文檔
HTML 示例代碼
text = '''
<div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html">third item</a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a>
</ul>
</div>
'''小試牛刀
使用 lxml 的 etree 庫，將其打印出來
# 導入 lxml etree 庫
from lxml import etree
# 獲取 html 內容 元素
htmlEmt = etree.HTML(text)
# 將內容元素轉換爲字符串
result = etree.tostring(htmlEmt)
# utf-8 格式輸出
print(result.decode("utf-8"))
打印結果爲：
<html><body><div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html">third item</a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>
</ul>
</div></body></html>lxml 有自動修正 HTML 代碼的功能
文件讀取
利用 parse 方法來讀取文件
文件名：text.xml
內容：
<div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>
</ul>
</div>from lxml import etree
# text.xml 是一個 xml 文件，並在當前文件同目錄下
htmlEmt = etree.parse('text.xml')
# pretty_print： 優化輸出
result = etree.tostring(htmlEmt, pretty_print=True)
# 輸出
print(result)同樣可以得到相同的結果
XPath實例測試
以上一段 text.xml 文件爲例
獲取所有的 <li> 標籤
from lxml import etree
# 獲取文件元素
htmlEmt = etree.parse('text.xml')
# 獲取所有的 <li> 標籤
result = htmlEmt.xpath('//li')
print(result)
# 獲取標籤數量
print(len(result))
# 取出第一個 li 標籤
print(result[0])輸出結果：
[<Element li at 0x1023fc0c8>, <Element li at 0x1023fc108>, <Element li at 0x1023fc148>, <Element li at 0x1023fc188>, <Element li at 0x1023fc1c8>]
5
<Element li at 0x1023fc0c8>獲取 <li> 標籤的所有 class
result = htmlEmt.xpath('//li/@class')
print(result)輸出結果：
['item-0', 'item-1', 'item-inactive', 'item-1', 'item-0']獲取 <li> 標籤下 href 爲 link1.html 的 <a> 標籤
result = htmlEmt.xpath('//li/a[@href="link1.html"]')
print(result)
print(result[0].text)輸出結果：
[<Element a at 0x1023fc208>]
first item獲取 <li> 標籤下的所有 <span> 標籤
因爲 / 是用來獲取子元素的，而 <span> 並不是 <li> 的子元素，所以，要用雙斜槓
result = html.xpath('//li//span')
print(result)
print(result[0].text)輸出結果：
[<Element span at 0x1023fc0c8>]
third item獲取 <li> 標籤下的所有 class，不包括 <li> 標籤的 class
result = html.xpath('//li/a//@class')
print(result)輸出結果：
['bold']獲取最後一個 <li> 的 <a> 的 href
result = html.xpath('//li[last()]/a/@href')
print(result)輸出結果：
['link5.html']獲取倒數第二個元素的內容
result = html.xpath('//li[last()-1]/a')
print(result[0].text)輸出結果：
fourth item獲取 class 爲 bold 的標籤名
result = html.xpath('//*[@class="bold"]')
print(result[0].tag)
print(result[0].text)輸出結果：
span
third item