lxml，是python中用来处理xml和html的功能最丰富和易用的库。详情见：http://lxml.de/index.html。
在windows下安装lxml，可以用easy_install工具，也可以直接安装二进制文件。为了方便，我选择直接用二进制方式安装。
二进制文件的下载页面：https://pypi.python.org/pypi/lxml/3.4.1
选择合适的版本，因我的系统是win7，64位，python版本为2.7，所以我选择如下lxml版本。
安装完成后，就可以开始python代码了：
import codecs import sys from lxml import etree tree = etree.HTML(open(‘d:\\GitHub\\python27\\simple.html‘,‘r‘).read()) nodes = tree.xpath("//div[@id=‘name‘]") print(nodes[0]).text
用到的html文件：
<!DOCTYPE html> <html> <head> <title>This is a simple html file</title> <meta http-equiv="Content-Type" content="text/html; charset=utf-8"/> </head> <body> <div id="container"> <div id="name" class="item">勇者面码</div> <div id="sex">女</div> <div id="borth">9.18</div> </div> </body> </html>
用lxml来解析，不会因为文档头小写而解析失败。
原文：http://www.cnblogs.com/menma/p/4190919.html