一、lxml简介 #

lxml 是Python中功能强大的HTML/XML解析库，支持XPath、CSS选择器等高级用法，常用于网页抓取和数据处理。

二、安装方法 #

介绍如何安装lxml及其依赖。

# 安装lxml主库
pip install lxml

三、基本用法 #

本节介绍如何用lxml解析HTML/XML、查找元素和提取内容。

1. 解析HTML文档 #

展示如何加载和解析HTML字符串。 `python

导入lxml的HTML解析模块 #

from lxml import html

定义HTML字符串 #

html_str = """

欢迎 #

lxml示例

"""

解析HTML字符串为Element对象 #

tree = html.fromstring(html_str)

打印根节点标签名 #

print(tree.tag)

### 2. 解析XML文档
> 展示如何加载和解析XML字符串。
```python
# 导入lxml的etree模块
from lxml import etree

# 定义XML字符串
xml_str = """
苹果香蕉
"""

# 解析XML字符串为Element对象
root = etree.fromstring(xml_str)

# 打印根节点标签名
print(root.tag)

3. 查找元素与提取内容 #

展示如何查找标签和提取文本内容。 `python

导入lxml的HTML解析模块 #

from lxml import html

定义HTML字符串 #

html_str = "

标题 #

内容

"

解析HTML字符串 #

tree = html.fromstring(html_str)

查找第一个h1标签 #

h1 = tree.find('.//h1')

打印h1标签文本 #

print(h1.text)

查找class为info的p标签 #

p = tree.find('.//p[@class="info"]')

打印p标签文本 #

print(p.text)

## 四、进阶用法

> 本节介绍XPath、CSS选择器、节点操作和写入等高级用法。

### 1. XPath查找
> 展示如何用XPath表达式查找元素。
```python
# 导入lxml的HTML解析模块
from lxml import html

# 定义HTML字符串
html_str = "
苹果
香蕉
橙子
"

# 解析HTML字符串
tree = html.fromstring(html_str)

# 使用XPath查找所有li节点
li_list = tree.xpath('//li')
# 遍历并打印每个li的文本
for li in li_list:
    print(li.text)

2. CSS选择器查找 #

展示如何用cssselect方法查找元素。 `python

导入lxml的HTML解析模块 #

from lxml import html

定义HTML字符串 #

html_str = "

"

解析HTML字符串 #

tree = html.fromstring(html_str)

使用CSS选择器查找所有class为box的div下的span #

spans = tree.cssselect('div.box > span')

遍历并打印span内容 #

for span in spans: print(span.text)

### 3. 节点操作与写入
> 展示如何修改节点内容并写入新HTML。
```python
# 导入lxml的HTML解析模块
from lxml import html, etree

# 定义HTML字符串
html_str = "
原内容
"

# 解析HTML字符串
tree = html.fromstring(html_str)

# 查找p标签
p = tree.find('.//p')
# 修改p标签文本
p.text = "新内容"

# 输出修改后的HTML字符串
print(etree.tostring(tree, pretty_print=True, encoding='unicode'))

五、常见应用场景 #

lxml 常用于以下场景：

• 网页爬虫与数据提取
• HTML/XML数据清洗与转换
• 结构化内容分析与批量处理
• 自动化表单/信息采集

六、参考资料 #

推荐学习和查阅的lxml相关资料。

• 官方文档：https://lxml.de/
• Python中文社区：https://www.python.org.cn/