Python lxml教程

lxml是Python处理xml文档的一个库，速度快，易编程，可以“make life easier”。这篇文章是lxml的快速上手教程。

XML在lxml中的表示

在DOM中，文档是以节点（node）的形式组织的。某节点又有子节点，表示Elements，Attributes，Text等。

例如，下面这个DOM可以用如图所示的节点组织。

在lxml中，只有Element，Element有子Element，构成一棵树。Element有一下属性：

• .tag – element的名字，比如“p”或“em”等
• .text – 元素的文本内容，从开头到第一个子节点。如果从开头到一个子节点没有内容，那么就是None。比如p的text是”To find out”
• .tail – 元素后面的内容，到下一个元素为止。比如em的tail是”, see the”
• .attrib – 元素的属性。“<h2 class="arch" id="N15">”的.attrib就是 “{"class": "arch", "id": "N15"}”
• （子元素列表） – Element的很多行为都和list类似，可以用来索引。比如Element[0]就是表示Element的第1个子元素。可以使用len()查看这个Element一共有多少个子元素

注意.tail，比如，”,see the \n”本来在DOM中是p的节点，但是在lxml里成为了em的.tail属性。