阅读量:0
使用lxml库从HTML文档中提取所需信息可以按照以下步骤进行：
- 导入lxml库和相关模块：
from lxml import etree - 读取HTML文档并创建一个Element对象：
html = etree.parse('example.html') - 使用XPath表达式来定位所需信息：
# 定位所有的标签 links = html.xpath('//a') # 定位class为'content'的标签下的文本内容 content = html.xpath('//div[@class="content"]/text()') - 遍历或输出提取到的信息：
# 遍历所有的标签并输出文本内容和链接 for link in links: print(link.text, link.get('href')) # 输出class为'content'的标签下的文本内容 print(content) 通过以上步骤，就可以使用lxml库从HTML文档中提取所需信息了。需要注意的是，XPath表达式的语法和HTML文档的结构有关，可以根据具体的HTML文档结构来编写XPath表达式来定位所需信息。
相关阅读
- 上一篇： 怎么用lxml处理HTML表单数据
- 下一篇： lxml怎么解析HTML文档
