python - 使用 lxml 解析 HTML 中的段落

Question

我是 lxml 的新手，想提取 <p>PARAGRAPHS</p>和 <li>PARAGRAPHS</li>从给定的 url 并将它们用于进一步的步骤。

我遵循了 post 中的示例，并尝试了以下代码但没有成功:

html = lxml.html('http://www.google.com/intl/en/about/corporate/index.html')
url = 'http://www.google.com/intl/en/about/corporate/index.html'
print html.parse.xpath('//p/text()')

我试图查看 lxml.html 中的示例, 但没有找到任何使用 url 的示例。

您能告诉我应该使用什么方法吗？谢谢。

Answer 1

import lxml.html

htmltree = lxml.html.parse('http://www.google.com/intl/en/about/corporate/index.html')

print htmltree.xpath('//p/text()')