python - 通过 XPath 解析 HTML

Question

已结束。此问题不符合 Stack Overflow guidelines .它目前不接受答案。

---

我们不允许提出有关书籍、工具、软件库等方面的建议的问题。您可以编辑问题，以便用事实和引用来回答它。

关闭去年。

Improve this question

在 .Net 中，我发现了这个很棒的库，HtmlAgilityPack这使您可以使用 XPath 轻松解析格式不正确的 HTML。我已经在我的 .Net 站点中使用了几年，但我不得不为我的 Python、Ruby 和其他项目适应更痛苦的库。有人知道其他语言的类似库吗？

Answer 1

我很惊讶没有提到 lxml。它速度极快，可以在任何允许 CPython 库的环境中工作。

这里是you can parse HTML via XPATH using lxml .

>>> from lxml import etree
>>> doc = '<foo><bar></bar></foo>'
>>> tree = etree.HTML(doc)

>>> r = tree.xpath('/foo/bar')
>>> len(r)
1
>>> r[0].tag
'bar'

>>> r = tree.xpath('bar')
>>> r[0].tag
'bar'