lxml解析数据为html

2021-02-19 22:18

阅读：496

标签：tps 字符串 pytho 直接下载报错错误 encoding download asc

from lxml import etree
text = ‘‘‘

  登录/注册



    
  下载豆瓣客户端
  
    豆瓣 6.0 全新发布
    ×
  
  
    豆瓣
    扫码直接下载
    
      iPhone
      ·
      Android
    
  

‘‘‘
# 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)

lxml解析数据为html

标签：tps 字符串 pytho 直接下载报错错误 encoding download asc

原文地址：https://www.cnblogs.com/wsy0202/p/12927315.html

上一篇：jQuery (1)

下一篇：文件上传总结

文章来自：搜素材网的编程语言模块，转载请注明文章出处。
文章标题：lxml解析数据为html
文章链接：http://soscw.com/index.php/essay/57718.html

亲，登录后才可以留言！

lxml解析数据为html

评论

热门文章

推荐文章

最新文章

置顶文章