使用lxml庫(kù)從HTML文檔中提取所需信息可以按照以下步驟進(jìn)行:
from lxml import etree
html = etree.parse('example.html')
# 定位所有的<a>標(biāo)簽
links = html.xpath('//a')
# 定位class為'content'的<div>標(biāo)簽下的文本內(nèi)容
content = html.xpath('//div[@class="content"]/text()')
# 遍歷所有的<a>標(biāo)簽并輸出文本內(nèi)容和鏈接
for link in links:
print(link.text, link.get('href'))
# 輸出class為'content'的<div>標(biāo)簽下的文本內(nèi)容
print(content)
通過(guò)以上步驟,就可以使用lxml庫(kù)從HTML文檔中提取所需信息了。需要注意的是,XPath表達(dá)式的語(yǔ)法和HTML文檔的結(jié)構(gòu)有關(guān),可以根據(jù)具體的HTML文檔結(jié)構(gòu)來(lái)編寫(xiě)XPath表達(dá)式來(lái)定位所需信息。