在python中使用lxml解析HTML文档

我刚刚下载了lxml来解析破损的HTML文档。我阅读了lxml的文档，但没有发现给定一个HTML文档，如何使用lxml检索文档中的文本。如果有人能帮我，我将不胜感激。

很简单：

from lxml import html
html_document = ... #Get your document contents here from a file or whatever

tree = html.fromstring(html_document)
text_document = tree.text_content()

如果只需要特定块（例如，正文块）中的内容，则可以使用xpath表达式访问它们：

body_tags = tree.xpath('//body')
if body_tags:
  body = body_tags[0]
  text_document = body.text_content()
else:
  text_document = ''

---

lxml在这方面可能有点低，你考虑过吗？我试过BeatuifulSoup，但它不能像lxml那样处理损坏的HTML！！！请让我知道“检索文档中的文本”的语法，您是指检索特定元素中的文本吗？是否有方法使用lxml仅读取标题中的文本和正文中的文本