python怎么解析HTML和XML_python HTML与XML解析方法-Python教程-PHP中文网

python怎么解析HTML和XML_python HTML与XML解析方法

穿越時空

发布： 2025-09-12 19:13:01

原创

300人浏览过

Python通过BeautifulSoup和lxml库高效解析HTML和XML，将结构化文本转化为树形数据模型。BeautifulSoup以容错性强、API简洁著称，适合处理不规范HTML；lxml性能优异，支持XPath与CSS选择器，适用于大型文件及严格标准的XML解析。

python怎么解析html和xml_python html与xml解析方法

Python在处理HTML和XML这类结构化数据上，确实有几把刷子。简单来说，它主要是通过一些功能强大的第三方库，把这些原本对机器来说有点“乱”的文本，变成我们程序可以轻松理解和操作的数据结构，通常是树形的。这样一来，无论是从网页上抓取信息，还是处理各种配置文件、数据交换格式，都变得轻而易举。在我看来，掌握这些工具，就像是给你的Python工具箱里添了两把瑞士军刀，用处实在太广了。

要解析HTML和XML，Python社区提供了几个非常成熟且高效的库，其中最常用也最强大的莫过于

BeautifulSoup

登录后复制

和

lxml

登录后复制

。它们各有侧重，但都能将复杂的文本结构解析成易于遍历和查询的对象模型。

BeautifulSoup

登录后复制

以其出色的容错性和简洁的API闻名。它能处理各种格式不规范的HTML文档，这在实际网页抓取中非常常见。它的核心思想是构建一个解析树，然后通过各种选择器（标签名、CSS类、ID等）来定位元素。

法语写作助手

法语助手旗下的AI智能写作平台，支持语法、拼写自动纠错，一键改写、润色你的法语作文。

查看详情

from bs4 import BeautifulSoup

html_doc = """
<html><head><title>我的页面</title></head>
<body>
<p class="title"><b>Hello World</b></p>
<p class="story">这是一个故事。
<a href="http://example.com/link1" class="sister" id="link1">链接1</a>,
<a href="http://example.com/link2" class="sister" id="link2">链接2</a>，
还有一些<a href="http://example.com/link3" class="sister" id="link3">链接3</a>。
</p>
<p class="story">...</p>
</body></html>
"""

soup = BeautifulSoup(html_doc, 'html.parser')

print(f"页面标题: {soup.title.string}")
print(f"第一个段落文本: {soup.p.text.strip()}")
print(f"所有链接的URL:")
for link in soup.find_all('a'):
    print(link.get('href'))

# 使用CSS选择器
print(f"通过CSS选择器找到的类为'sister'的链接文本:")
for link in soup.select('a.sister'):
    print(link.get_text())

登录后复制

lxml

登录后复制

则是一个高性能的库，它结合了libxml2和libxslt的功能，速度非常快，并且支持XPath和CSS选择器。它在处理大型文件或对性能有严格要求时表现出色。同时，

lxml

登录后复制

在解析XML时也提供了更严格和标准的处理方式。

立即学习“Python免费学习笔记（深入）”；

from lxml import etree

# 解析HTML
html_doc_lxml = """
<html><head><title>我的页面</title></head>
<body>
<p class="title"><b>Hello World</b></p>
<p class="story">这是一个故事。
<a href="http://example.com/link1" class="sister" id="link1">链接1</a>,
<a href="http://example.com/link2" class="sister" id="link2">链接2</a>，
还有一些<a href="http://example.com/link3" class="sister" id="link3">链接3</a>。
</p>
<p class="story">...</p>
</body></html>
"""

# 使用HTML解析器
parser = etree.HTMLParser()
tree_html = etree.fromstring(html_doc_lxml, parser)

print(f"页面标题 (lxml): {tree_html.xpath('//title/text()')[0]}")
print(f"所有链接的URL (lxml):")
for link_href in tree_html.xpath('//a/@href'):
    print(link_href)

# 解析XML
xml_doc = """
<root>
    <item id="1">
        <name>商品A</name>
        <price>100</price>
    </item>
    <item id="2">
        <name>商品B</name>
        <price>200</price>
    </item>
</root>
"""

登录后复制

以上就是python怎么解析HTML和XML_python HTML与XML解析方法的详细内容，更多请关注php中文网其它相关文章！