浅谈Python库之lxml
一、基本介绍
lxml 是一个用 Python 编写的库，它提供了对 XML 和 HTML 文档的解析和操作功能。它使用 C 语言编写的 libxml2 和 libxslt 库作为后端，因此解析速度非常快，并且能够处理大型文档。lxml 支持 XPath 和 XSLT，这使得它在处理复杂的 XML 和 HTML 数据时非常有用。
二、基本步骤
安装： 你可以使用 pip 来安装 lxml：
pip install lxml解析 XML/HTML：
你可以使用 lxml 的 etree 模块来解析 XML 或 HTML 文档。
from lxml import etree
# 解析字符串
html = '<html><body>Hello World!</body></html>'
tree = etree.HTML(html)
# 解析文件
tree = etree.parse('example.html')使用 XPath 选择元素：
lxml 允许你使用 XPath 表达式来选择文档中的元素。
# 选择所有 <p> 标签
paragraphs = tree.xpath('//p')
# 选择具有特定类名的 <div> 标签
divs = tree.xpath('//div[@class="example"]')修改和创建元素：
你可以创建新的元素并添加到文档中，或者修改现有的元素。
new_element = etree.Element('new_element')
tree.getroot().append(new_element)
# 修改元素的文本
paragraphs[0].text = 'New text'保存文档：
你可以将修改后的文档保存回文件或字符串。
# 保存到文件
tree.write('output.html')
# 保存到字符串
html_string = etree.tostring(tree, pretty_print=True, method='html').decode()错误处理：
lxml 也提供了错误处理机制，可以帮助你捕获解析错误。
try:
tree = etree.fromstring(invalid_xml_string)
except etree.XMLSyntaxError as e:
print('XML Syntax Error:', e)