我一般都是通過xpath解析DOM樹的時候會使用lxml的etree，可以很方便的從html源碼中得到自己想要的內容。
這里主要介紹一下我常用到的兩個方法，分別是etree.HTML()和etree.tostrint()。
1.etree.HTML()
etree.HTML()可以用來解析字符串格式的HTML文檔對象，將傳進去的字符串轉變成_Element對象。作為_Element對象，可以方便的使用getparent()、remove()、xpath()等方法。
如果想通過xpath獲取html源碼中的內容，就要先將html源碼轉換成_Element對象，然后再使用xpath()方法進行解析。例如，這里有一段最簡單的html源碼："<html><body><h2>This is a test</h2></body></html>"，現在想要得到h2標簽中的文本，可以這樣實現：
# encoding=utf8
from lxml import etree
html = '<html><body><h2>This is a test</h2></body></html>'
# 將html轉換成_Element對象
_element = etree.HTML(html)
# 通過xpath表達式獲取h2標簽中的文本
text = _element.xpath('//h2/text()')
print 'result is: ', text
結果：
result is: ['This is a test']
通過結果可以知道，xpath()方法放回的結果是一個列表，所以通常在取xpath()方法結果的時候，只取列表中的第一個元素。
2.etree.tostring()
etree.tostring()方法用來將_Element對象轉換成字符串。一般通過簡單的xpath表達式無法得到想要的內容的時候我就會用該方法。例如，將上面的html小改動一下："<html><body><h2>This <a>is a </a>test</h2></body></html>"，這時候如果想要得到h2中的文本該怎么辦呢？使用“//h2/text()”試試（將上面的html保存并用火狐瀏覽器打開，然后在FirePath中輸入該xpath表達式）：
通過截圖左下角的提示可以知道，使用xpath表達式“//h2/text()”只能得到h2標簽中文本的“This”和“test”，用代碼實現看看：
# encoding=utf8
from lxml import etree
html = '<html><body><h2>This <a>is a </a>test</h2></body></html>'
_element = etree.HTML(html)
text = _element.xpath('//h2/text()')
print 'result is: ', text
運行結果：
result is: ['This ', 'test']
確實，使用xpath()方法，只能得到h2中部分文本內容，我們再試試使用“//h2//text()”看看：
然后通過代碼實現看看：
# encoding=utf8
from lxml import etree
html = '<html><body><h2>This <a>is a </a>test</h2></body></html>'
_element = etree.HTML(html)
text = _element.xpath('//h2//text()')
print 'result is: ', text
運行結果：
result is: ['This ', 'is a ', 'test']
通過“//h2//text()”表達式確實可以得到想要的內容，但是得到的是一個列表，還需要將列表中的所有元素“拼”起來才行，是不是有點麻煩。這時候，就可以考慮使用etree.tostring()方法了，etree.tostring()方法可以傳遞多個參數，包括element_or_tree、encoding、method等，其中method參數為text的時候，表示返回_Element對象中的所有文本，所以可以這樣：
# encoding=utf8
from lxml import etree
html = '<html><body><h2>This <a>is a </a>test</h2></body></html>'
_element = etree.HTML(html)
# 先找到h2對象，然后通過etree.tostring方法找到h2對象中的所有文本
_h = _element.xpath('//h2')
# 注意，xpath方法返回的是一個列表，我們需要的是列表中的第一個元素：代表h2標簽的_Element對象
result = etree.tostring(_h[0], method='text')
print 'result is: ', result
運行結果：
result is: This is a test
這時候使用etree.tostring()方法是不是很容易的就解決問題了。
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
