from lxml import etree
text = '''
<div class="top-nav-info">
  <a href="https://accounts.douban.com/passport/login?source=movie" class="nav-login" rel="nofollow">登录/注册</a>
</div>


    <div class="top-nav-doubanapp">
  <a href="https://www.douban.com/doubanapp/app?channel=top-nav" class="lnk-doubanapp">下载豆瓣客户端</a>
  <div id="doubanapp-tip">
    <a href="https://www.douban.com/doubanapp/app?channel=qipao" class="tip-link">豆瓣 <span class="version">6.0</span> 全新发布</a>
    <a href="javascript: void 0;" class="tip-close">×</a>
  </div>
  <div id="top-nav-appintro" class="more-items">
    <p class="appintro-title">豆瓣</p>
    <p class="qrcode">扫码直接下载</p>
    <div class="download">
      <a href="https://www.douban.com/doubanapp/redirect?channel=top-nav&direct_dl=1&download=iOS">iPhone</a>
      <span>·</span>
      <a href="https://www.douban.com/doubanapp/redirect?channel=top-nav&direct_dl=1&download=Android" class="download-android">Android</a>
    </div>
  </div>
</div>
'''
# 方法1 ：解析一个html格式的字符串
# requests获取响应，content中获取到的html页面时正常的页面
#etree.HTML()对html字符串进行解析为html文件
html = etree.HTML(text)
print(html)
result = etree.tostring(html,encoding='utf8').decode('utf8')
# print(result)

# 方法2 ：解析html 文件
#parse 将html导入python解析
html_2 = etree.parse(r'./test.html')

result_2 = etree.tostring(html_2,encoding='utf8').decode()
# print(result_2)

# 方法3 ：自定义解析器，解析html文件。解决方法2可能解析失败的问题
'''
    原因：有些直接从网站下载下来的html文件有标签缺失，使用etree.parse()方法解析会报错。
           默认使用的xml解析器，当解析html页面时会造成错误，需要自定义解析器
    解决方法：自定义一个解析器，将自定义的解析器作为参数传递给parse
 '''
# 自定义一个解析器
paser = etree.HTMLParser(encoding='utf8')
html_3 = etree.parse(r'./test.html',parser=paser)
result_3 = etree.tostring(html_3,encoding='utf8').decode()
print(result_3)