lxml 教程 | 轻松解析 XML 和 HTML 文档

2023-07-16 17:43:53

深入解析 lxml：一个处理 XML 和 HTML 的 Python 库

解析 XML 和 HTML 的强大工具：lxml

对于需要处理 XML 和 HTML 文档的 Python 开发人员来说，lxml 是一个必备库。它提供了一系列功能强大的工具，使解析、修改和操作这些文档变得轻而易举。

lxml 的优点：速度与灵活性

lxml 提供了基于 C 的解析器（利用 libxml2）和基于 Python 的解析器（ElementTree）。基于 C 的解析器提供了惊人的速度，而基于 Python 的解析器则易于安装和使用。ElementTree 将 XML 和 HTML 文档解析成一个树状结构，允许您轻松地导航、修改和操作其内容。

使用 lxml 解析 XML

解析 XML 文档非常简单。只需使用 ElementTree 导入 lxml 库，然后使用 parse() 函数加载文档即可。您将获得一个 Element 对象，您可以使用它来遍历文档并访问其元素、属性和文本内容。

import lxml.etree as ET

tree = ET.parse('example.xml')
root = tree.getroot()

# 访问元素
print(root.tag)
print(root.attrib)

# 遍历子元素
for child in root:
    print(child.tag)

# 访问文本内容
print(root.text)

解析 HTML 使用 lxml

解析 HTML 文档与解析 XML 文档非常相似，只是您需要使用 html5lib 解析器。导入 lxml.html 并使用 parse() 函数即可。

import lxml.html as HTML

tree = HTML.parse('example.html')
root = tree.getroot()

# 访问元素
print(root.tag)
print(root.attrib)

# 遍历子元素
for child in root:
    print(child.tag)

# 访问文本内容
print(root.text)

修改和保存 XML 和 HTML

lxml 使您能够轻松地修改 XML 和 HTML 文档。只需访问 Element 对象并更改其属性或内容。然后，使用 write() 函数将更改保存到文件中。

示例：

# 修改 XML 文档
root.tag = 'new_tag'
root.attrib['new_attrib'] = 'new_value'

# 保存修改
tree.write('new_example.xml')

# 修改 HTML 文档
root.tag = 'new_tag'
root.attrib['new_attrib'] = 'new_value'

# 保存修改
tree.write('new_example.html')