全称XMl Path Language，是一种在XML中寻找信息的语言，同样适用于HTML文档搜索。XPath功能十分强大，提供了非常简洁明了的路径选择表达式。拥有超过100个内建函数，用于字符串，数字，时间以及节点的匹配，序列的处理等。几乎所有想要定位的节点都可以用XPath来选择。
1.常用规则
nodename :选取此节点的所有子节点
/ :从当前节点选取直接子节点
// :从当前节点选取子孙节点
. :选取当前节点
.. :选取当前节点的父节点
@ :选取属性
示例：//title[@lang=‘eng‘]，代表锁选择的名称为title，同时属性；lang的值为eng的节点。
2，安装lxml
windows：pip3 install lxml
3，使用示例
from lxml import etree text = """ <div> <ul> <li class="item-0"><a href="link1.html">first item</a></li> <li class="item-1"><a href="link2.html">second item</a></li> <li class="item-active"><a href="link3.html">third item</a></li> <li class="item-4"><a href="link4.html">fourth item</a></li> <li class="item-5"><a href="link5.html">fifth item</a> </ul> </div> """ html = etree.HTML(text) res = etree.tostring(html) print(res.decode(‘utf-8‘))
首先到如etree模块，声明一段HTML文本，调用HTML类进行初始化，这样就成功构造了一个Xpath解析对象，text中最后一个li节点时没有闭合的，但是etree可以自动修正HTML文本。调用tostring输出修正后的文本，在decode转成str。
<html><body><div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-active"><a href="link3.html">third item</a></li>
<li class="item-4"><a href="link4.html">fourth item</a></li>
<li class="item-5"><a href="link5.html">fifth item</a>
</li></ul>
</div>
</body></html>
经过处理，li节点被不全，并自动添加了，body，html节点。另外，可以直接读取文本文件进行解析：
html = etree.parse(‘./text.html‘, etree.HTMLParser()) print(etree.tostring(html).decode(‘utf-8‘))
原文：https://www.cnblogs.com/zivli/p/10887268.html