Python网络爬虫分步走 – 使用LXML解析网页数据

Web Scraping in Python - Using LXML to Parse Web Data

By Jackson@ML

Lxml作为Python的第三方库，提供易用的且功能强大的API，用来解析XML和HTML文档。事件驱动的API被用于分步骤解析。

本文简要介绍使用lxml库解析网页的基本步骤。

1. 安装导入etree

若要使用xlml，则必须手动安装这个第三方库。
访问pypi.org官网，搜索得到lxml最新版本安装方法。

看到最新版本为 lxml 5.2.2, 点击进入下载安装页面。

按照提示，在Windows命令行窗口(cmd) 或者 PowerShell 终端，执行以下命令：

pip install lxml

进行该扩展库安装。

如果该库已安装，类似笔者电脑显示的上图，则忽略。接下来，可以导入使用该库了。

2. 在Anaconda Navigator上运行lxml文件解析

如果需要lxml库解析，首先导入该库，需要使用其下的etree模块；同时，需要对样例xml文件进行解析。
因此，我们先创建一个XML文件。

访问Microsoft.com官网链接，复制XML代码；接下来，打开Anaconda Navigator，随即创建一个文本文件，如下图所示：