Python lxml 模块
lxml 库是一款 Python 数据解析库，参考重要文档在 https://lxml.de/，项目开源地址在：https://github.com/lxml/lxml，在一顿检索之后，发现 lxml 没有中文相关手册，不过好在英文文档阅读难度不大，我们可以直接进行学习。
怎么用
lxml.etree
纵览之前的博客内容，出场率最高的就是 lxml.etree ，其次就是 Element 对象，我们在解析数据的时候，大量的代码都是基于 Element 对象的 API 实现。
在爬虫代码采集过程中，通过 etree.HTML 直接将字符串实例化为 element 对象。
import requests from lxml import etree res = requests.get("http://www.jsons.cn/zt/") html = res.text root_element = etree.HTML(html) print(root_element) print(root_element.tag)上述代码输出内容如下所示：
<Element html at 0x3310508> html其中需要注意的是 Element 后面的 html，该字符串表示对象的标签名为 html，如果使用下述代码：
print(root_element[1])上述内容得到的是 <Element body at 0x356e248>，即 body 标签，同样的操作可以使用子元素获取。
print("*"*100) for child in root_element: print(child.tag)上述代码输出的内容为：
head body该输出表示在 html 标签中，只包含head 与 body 标签，实际情况也确实如此，为了验证，你可以在 循环中继续嵌套一层。
此时输出的内容就变得丰富了需求，如下图所示：
你也可以通过 etree.tostring(element对象) 直接将该对象转换为字符串进行输出。
for child in root_element: for item in child: print(item.tag) print(etree.tostring(item))XPath
lxml 库可以配合其他的解析引擎进行工作，首次接触的就是 XPath，关于 XPath 相关的知识，我们后续博客会细化学习，本节课依旧从 lxml 的角度出发，为你介绍。
在爬虫代码编写中，直接使用 html.xpath("xpath表达式") 即可获取目标数据，例如获取网页 title。
print(root_element.xpath('//title'))获取网页所有文本：
print(root_element.xpath('string()'))获取到 element 对象之后，可调用 text 属性，获取对应文本，在使用的时候，需要注意使用 XPath 获取到的 element 对象，都是列表。
title_element = root_element.xpath('//title') print(title_element[0].text)在 lxml 中，还内置了一款 简单的类似 XPath 的路径语言，称为 ElementPath，例如查询 title，需要从 head 开始检索，否则返回 None。
print(root_element[0].find("title"))官方提供的方法如下：
- iterfind()： 返回查找到的数据，迭代器形式返回；
- findall()： 返回匹配到的列表；
- find()： 返回第一个匹配到的数据；
- findtext()： 返回匹配到的文本数据，第一个。
lxml 扩展知识
lxml 除了可以配合 XPath 实现数据解析外，还可以与 cssselect ，BeautifulSoup，html5lib 配合使用，这部分在后续的案例中，将逐步进行展开。
lxml 在爬虫领域，更多的是在提取数据，因此较于该库本身，掌握 XPath 等解析表达式的写法更加重要。
鉴于该库手册没有被翻译，后期可以尝试将其翻译为中文。