BeautifulSoup find() 的 Lxml 等效项

【问题标题】：Lxml equivalent for BeautifulSoup find()BeautifulSoup find() 的 Lxml 等效项
【发布时间】：2013-10-02 14:04:21
【问题描述】：

我最近从 Beautifulsoup 切换到 lxml，因为 lxml 可以处理损坏的 HTML，这就是我的情况。我想知道完成 Beautifulsoup find() 的等效形式或程序形式是什么。您在 BS 中看到，我可以通过如下搜索找到树节点：

bs = BeautifulSoup(html)
bs.find('span', {'class': 'some-class-name'})

lxml find() 只是在树上搜索当前层级，如果我想在所有的树节点中搜索呢？

谢谢

【问题讨论】：

【解决方案1】：

你可以使用cssselect:

root = lxml.html.fromstring(html)
root.cssselect('span.some-class-name')

root.xpath('.//span[@class="some-class-name"]')

cssselect、xpath 方法都返回匹配元素的列表，例如 BeautifulSoup 中的 findAll/find_all 方法。

【讨论】：

【解决方案2】：

如果您不想费心学习 lxml 或 xpath 表达式的 api，那么这里是另一种选择：

Beautiful Soup 支持 Python 标准库中包含的 HTML 解析器，但它也支持许多第三方 Python 解析器。一个是 lxml 解析器 [...]

并指定要使用的特定解析器：

BeautifulSoup(markup, "lxml")

【讨论】：