1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 | 1. 解析html并建立dom>>> import lxml.etree as etree>>> html = '<html><body id="1">abc<div>123</div>def<div>456</div>ghi</body></html>'>>> dom = etree.fromstring(html)>>> etree.tostring(dom)'<html><body id="1">abc<div>123</div>def<div>456</div>ghi</body></html>'如果用beautifulsoup的解析器，则>>> import lxml.html.soupparser as soupparser>>> dom = soupparser.fromstring(html)>>> etree.tostring(dom)'<html><body id="1">abc<div>123</div>def<div>456</div>ghi</body></html>' 但是我强烈建议使用soupparser，因为其处理不规范的html的能力比etree强太多。 2. 按照Dom访问Element子元素长度>>> len(dom)1 访问子元素：>>> dom[0].tag'body' 循环访问：>>> for child in dom:... print child.tag... body 查看节点索引>>>body = dom[0]>>> dom.index(body)0 字节点获取父节点>>> body.getparent().tag'html' 访问所有子节点>>> for ele in dom.iter():... print ele.tag... htmlbodydivdiv 3. 访问节点属性>>> body.get('id')'1'也可以这样>>> attrs = body.attrib>>> attrs.get('id')'1' 4. 访问Element的内容>>> body.text'abc'>>> body.tailtext只是从本节点开始到第一个字节点结束；tail是从最后一个字节结束到本节点未知。 访问本节点所有文本信息>>> body.xpath('text()')['abc', 'def', 'ghi'] 访问本节点和子节点所有文本信息>>> body.xpath('//text()')['abc', '123', 'def', '456', 'ghi']貌似返回本文档中所有文字信息 body.text_content()返回本节点所有文本信息。 5.Xpath的支持所有的div元素>>> for ele in dom.xpath('//div'):... print ele.tag... divdiv id=“1”的元素>>> dom.xpath('//*[@id="1"]')[0].tag'body' body下的第1个div>>> dom.xpath('body/div[1]')[0].tag'div' |