python lxml
Python lxml是功能最丰富且易于使用的库，用于处理XML和HTML数据。
编写Python脚本是为了执行许多任务，例如Web抓取和解析XML。
在本程序中，我们将研究python lxml库以及如何使用它解析XML数据并执行Web抓取。
Python lxml库
Python lxml是易于使用且功能丰富的库，用于处理和解析XML和HTML文档。
lxml是一个非常不错的API，因为它提供了处理这两种数据类型的所有内容。
使lxml脱颖而出的两个要点是：
- 易于使用：它比现有的任何其他库都具有非常简单的语法
- 性能：处理大型XML文件所需的时间非常少
Python lxml安装
我们可以通过使用pip工具将其作为python软件包安装来开始使用lxml：
pip install lxml
安装完此工具后，我们就可以从简单的示例开始。
创建HTML元素
使用lxml，我们也可以创建HTML元素。
元素也可以称为节点。
让我们仅使用库来创建HTML页面的基本结构：
from lxml import etree
root_elem = etree.Element('html')
etree.SubElement(root_elem, 'head')
etree.SubElement(root_elem, 'title')
etree.SubElement(root_elem, 'body')
print(etree.tostring(root_elem, pretty_print=True).decode("utf-8"))
运行此脚本时，我们可以看到正在形成HTML元素：我们可以看到正在形成HTML元素或者节点。
" pretty_print"参数有助于打印缩进版HTML文档。
这些HTML元素基本上是一个列表。
我们可以正常访问此列表：
html = root_elem[0] print(html.tag)
这将只打印head，因为那是html标签中存在的标签。
我们还可以打印root标记内的所有元素：
for element in root_elem: print(element.tag)
检查HTML元素的有效性
使用iselement()函数，我们甚至可以检查给定元素是否为有效HTML元素：
print(etree.iselement(root_elem))
在HTML元素中使用属性
通过将属性添加到我们制作的元素中，我们可以将元数据添加到我们构造的每个HTML元素中：
from lxml import etree
html_elem = etree.Element("html", lang="en_GB")
print(etree.tostring(html_elem))
运行此命令时，我们看到：现在可以按以下方式访问这些属性：
print(html_elem.get("lang"))
值会显示在控制台上：请注意，对于给定HTML元素，该属性不存在，我们将获得"无"作为输出。
我们还可以将HTML元素的属性设置为：
html_elem.set("best", "theitroad")
print(html_elem.get("best"))
当我们打印值时，我们得到了预期的结果：
带有值的子元素
我们上面构造的子元素是空的，这没什么好玩的！让我们使用lxml库制作一些子元素并其中添加一些值。
from lxml import etree
html = etree.Element("html")
etree.SubElement(html, "head").text = "Head of HTML"
etree.SubElement(html, "title").text = "I am the title!"
etree.SubElement(html, "body").text = "Here is the body"
print(etree.tostring(html, pretty_print=True).decode('utf-8'))
馈送RAW XML以进行序列化
我们可以直接将RAW XML数据提供给etree并对其进行解析，也可以完全理解传递给它的内容。
from lxml import etree
html = etree.XML('<html><head>Head of HTML</head><title>I am the title!</title><body>Here is the body</body></html>')
print(etree.tostring(html, pretty_print=True).decode('utf-8'))
让我们看一下输出：如果您希望数据包括根XML标签声明，甚至可以：
from lxml import etree
html = etree.XML('<html><head>Head of HTML</head><title>I am the title!</title><body>Here is the body</body></html>')
print(etree.tostring(html, xml_declaration=True).decode('utf-8'))
Python LXML etree parse()函数
parse()函数可用于从文件和类似文件的对象中进行解析：
from lxml import etree
from io import StringIO
title = StringIO("<title>Title Here</title>")
tree = etree.parse(title)
print(etree.tostring(tree))
Python LXML etree fromstring()函数
fromstring()函数可用于解析字符串：
from lxml import etree title = "<title>Title Here</title>" root = etree.fromstring(title) print(root.tag)
Python lxml etree XML()函数
fromstring()函数可用于将XML文字直接写入源代码：
from lxml import etree
title = etree.XML("<title>Title Here</title>")
print(title.tag)
print(etree.tostring(title))
