首页 > 编程笔记 > 通用技能 阅读：2

Python lxml库下载和安装教程（附安装包）

lxml 是 Python 生态中处理 XML 与 HTML 的高性能库，底层用 C 语言封装了 libxml2 与 libxslt，兼具执行效率与 Python 的简洁语法。

lxml 提供 ElementTree、XPath、XSLT、XML Schema 等全套接口，可在内存中快速构建、查询、修改、序列化文档，也能自动修补不规范的标签，常被爬虫、数据清洗、接口报文转换等场景当作“瑞士军刀”。

下载lxml

这里为大家提供了 lxml 最新版的安装包：

网盘下载：https://pan.quark.cn/s/93295ebabcfe

安装lxml

1) 将下载好的 lxml-6.0.2-cp310-cp310-win_amd64.whl 库放到一个新的文件夹中，比如命名为 lxml。

2) 进入 lxml 文件夹，在菜单栏中按照下图依次选择：


运行 pip install lxml-4.9.1-cp36-cp36m-win_amd64.whl 命令安装 lxml。

3) 安装成功后，在控制台命令中输入 python，并且可以正确引入 lxml 库，表示最终安装成功：

lxml使用流程

lxml 库提供了一个 etree 模块，该模块专门用来解析 HTML/XML 文档，下面我们简单介绍一下 lxml 库的使用流程，如下所示：

1) 导入模块

from lxml import etree

2) 创建解析对象

调用 etree 模块的 HTML() 方法来创建 HTML 解析对象。如下所示： 
parse_html = etree.HTML(html)
HTML() 方法能够将 HTML 标签字符串解析为 HTML 文件，该方法可以自动修正 HTML 文本。示例如下：
from lxml import etree
html_str = '''
<div>
    <ul>
         <li class="item1"><a href="link1.html">Python</a></li>
         <li class="item2"><a href="link2.html">Java</a></li>
         <li class="site1"><a href="c.biancheng.net">C语言中文网</a>
         <li class="site2"><a href="www.baidu.com">百度</a></li>
         <li class="site3"><a href="www.jd.com">京东</a></li>
     </ul>
</div>
'''
html = etree.HTML(html_str)

# tostring()将标签元素转换为字符串输出，注意：result为字节类型
result = etree.tostring(html)

print(result.decode('utf-8'))
输出结果如下： 
<html><body><div>
    <ul>
         <li class="item1"><a href="link1.html">Python</a></li>
         <li class="item2"><a href="link2.html">Java</a></li>
         <li class="site1"><a href="c.biancheng.net">C&#35821;&#35328;&#20013;&#25991;&#32593;</a></li>
         <li class="site2"><a href="www.baidu.com">&#30334;&#24230;</a></li>
         <li class="site3"><a href="www.jd.com">&#20140;&#19996;</a>
     </li></ul>
</div>
</body></html>
上述 HTML 字符串存在缺少标签的情况，比如“C语言中文网”缺少一个 </li> 闭合标签，当使用了 HTML() 方法后，会将其自动转换为符合规范的 HTML 文档格式。

3) 调用xpath表达式

最后使用第二步创建的解析对象调用 xpath() 方法，完成数据的提取，如下所示： 
r_list = parse_html.xpath('xpath表达式')

相关文章