lxml库
lxml 是 一个HTML/XML的解析器，主要的功能是如何解析和提取HTML/XML 数据。
lxml和正则一样，也是用 C 实现的，是一款高性能的 Python HTML/XML 解析器，我们可以利用之前学习的XPath语法，来快速的定位特定元素以及节点信息。
lxml python 官方文档：http://lxml.de/index.html
win系统安装不了的可以在这里找：https://www.lfd.uci.edu/~gohlke/pythonlibs/
需要安装C语言库，可使用 pip 安装：pip install lxml
基本使用：
我们可以利用他来解析HTML代码，并且在解析HTML代码的时候，如果HTML代码不规范，他会自动的进行补全。
from lxml import etree html = etree.HTML(text) result = etree.tostring(html) print(result)
从文件中读取html代码：
除了直接使用字符串进行解析，lxml还支持从文件中读取内容。
from lxml import etree
# 读取外部文件 hello.html
html = etree.parse('hello.html')
result = etree.tostring(html, pretty_print=True)
print(result)案例
from lxml import etree
html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>The Dormouse's story</b></p>
<p class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>,
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
"""
#将字符串解析为html文档
html = etree.HTML(html_doc)
#按字符串序列化html文档
print(html)
result = etree.tostring(html).decode('utf-8')
print(result)
