Python的lxml库怎么解析HTML和XML_Python lxml库高效解析XML/HTML教程

新闻中心 NEWS CENTER

您当前位置：首页 > 新闻中心 > 网络学院

Python的lxml库怎么解析HTML和XML_Python lxml库高效解析XML/HTML教程

2025-11-09

浏览次数：次

返回列表

lxml基于libxml2和libxslt，性能强，支持XPath与ElementTree API，可自动修复HTML，适用于网页抓取与数据提取。1. 安装：pip install lxml；2. 解析XML：etree.parse()读取文件，findall与find定位元素；3. 解析HTML：html.fromstring()处理不规范HTML，结合requests获取页面内容；4. 使用XPath提取数据，如//div、//a[@href]、//img/@src等；5. lxml与requests、XPath组合，构成高效解析方案。

python的lxml库怎么解析html和xml_python lxml库高效解析xml/html教程

Python的lxml库是处理XML和HTML数据的强大工具，它基于C语言编写的libxml2和libxslt库，性能高、功能全，广泛用于网页抓取、数据提取和配置文件解析等场景。本文将介绍如何使用lxml高效解析HTML和XML文档。

安装lxml库

在使用前需要先安装lxml：

pip install lxml

安装完成后即可导入并使用。lxml支持XPath、ElementTree API，能自动修复不规范的HTML结构，特别适合解析真实世界中的网页内容。

解析XML文档

使用lxml解析XML非常简单，可通过etree.fromstring()或etree.parse()加载XML字符串或文件。

示例XML内容（保存为data.xml）：

<?xml version="1.0"?>
<books>
  <book id="1">
    <title>Python入门</title>
    <author>张三</author>
  </book>
  <book id="2">
    <title>数据分析实战</title>
    <author>李四</author>
  </book>
</books>

解析代码：

易标AI

告别低效手工，迎接AI标书新时代！3分钟智能生成，行业唯一具备查重功能，自动避雷废标项

135 查看详情易标AI

from lxml import etree

tree = etree.parse('data.xml')
root = tree.getroot()

for book in root.findall('book'):
  title = book.find('title').text
  author = book.find('author').text
  book_id = book.get('id')
  print(f"ID: {book_id}, 标题: {title}, 作者: {author}")

解析HTML文档

HTML通常结构不规范，lxml的html模块能自动修复标签，更适合处理网页内容。

from lxml import html
import requests

# 获取网页内容
response = requests.get("https://example.com")
doc = html.fromstring(response.content)

# 使用XPath提取标题
titles = doc.xpath('//h1/text()')
links = doc.xpath('//a/@href')

print(titles)
print(links)

上面代码通过requests获取页面，用html.fromstring()解析，并使用XPath快速定位元素。XPath语法灵活，支持按标签、属性、位置等多种方式筛选节点。