解析模块的使用都是大同小异的。都是创建解析对象,定义解析规则,保存解析后的文件。
感觉LXML的优点最大的优点就是可以在Chrome按F12直接审查页面元素。右键复制为XPATH。
然后再进行修改就可以了。如注释后面的语句#'string(//*[@id="content"])'需要解析哪些地方的语句就复制哪里的,然后修改子节点就行了。
具体的语法查看官方文档就可以了。
def parse_html(self,html):
parse_html = etree.HTML(html)
xpath_bds = '//*[@id="content"]/p/text()'#'string(//*[@id="content"])'
r_list = parse_html.xpath(xpath_bds)
return r_list
保存方式有俩种,一种是字符串的string(),解析语句放在括号中间。
一种是列表的解析语句放在text()前。
总结:不如re好用。