Web scraping lxml：将网页源代码转换为元素树进行刮取

我是否遗漏了一些东西——lxml可以用于抓取网页，对吗？我是说，即使是那些没有完美html的？我用的是BeautifulSoup，但我希望更快

我发誓我读过文档，但我只是不知道如何将网页源转换成树。我读到的每一篇文章都在谈论从头开始创建树，一次创建一个元素

我知道

然后呢？顺便说一下，如果有帮助的话，我可以将源代码转换为unicode。

您必须使用，这是一个专用的

lxml

程序包，用于处理HTML，详细信息见。顺便说一句，该包基于lxml的HTML解析器

插图

from lxml import etree, html

htmltree = html.parse(url)

print(etree.tostring(htmltree, pretty_print=True))

此外，您可能需要go，并了解其他人是如何利用该软件包的。

您必须使用，这是一个专用的

lxml

软件包，用于处理HTML，详见。顺便说一句，该包基于lxml的HTML解析器

插图

from lxml import etree, html

htmltree = html.parse(url)

print(etree.tostring(htmltree, pretty_print=True))

---

此外，您可能需要go，并了解其他人如何利用该包。

将HTML转换为元素树意味着对其进行解析。也许这就是您应该在文档中查找的单词？将HTML转换为元素树意味着对其进行解析。也许这就是你应该在文档中查找的单词？