pythonlxml中etree的简单应用-创新互联

我一般都是通过xpath解析DOM树的时候会使用lxml的etree，可以很方便的从html源码中得到自己想要的内容。

这里主要介绍一下我常用到的两个方法，分别是etree.HTML()和etree.tostrint()。

1.etree.HTML()

etree.HTML()可以用来解析字符串格式的HTML文档对象，将传进去的字符串转变成_Element对象。作为_Element对象，可以方便的使用getparent()、remove()、xpath()等方法。

如果想通过xpath获取html源码中的内容，就要先将html源码转换成_Element对象，然后再使用xpath()方法进行解析。例如，这里有一段最简单的html源码："

This is a test

# encoding=utf8
 
from lxml import etree
 
html = '
This is a test
'
# 将html转换成_Element对象
_element = etree.HTML(html)
# 通过xpath表达式获取h2标签中的文本
text = _element.xpath('//h2/text()')
print 'result is: ', text