• lxml

  用于获取非结构化数据
  lxml模块可以利用XPath规则语法，来快速的定位HTML\XML 文档中特定元素以及获取节点信息（文本内容、属性值）
  XPath (XML Path Language) 是一门在 HTML\XML 文档中查找信息的语言，可用来在 HTML\XML 文档中对元素和属性进行遍历。
  提取xml、html中的数据需要lxml模块和xpath语法配合使用

基于xpath语法

配合使用：谷歌浏览器中的xpath helper插件，使用chrome插件选择标签时候，选中时，选中的标签会添加属性class="xh-highlight" ，所选部分就会高亮显示
语法：

选择所有的h2下的文本
//h2/text()
获取所有的a标签的href的值
//a/@href
获取html下的head下的title的文本
/html/head/title/text()
获取html下的head下的link标签的href
/html/head/link/@href

xml

原文：https://www.cnblogs.com/0916m/p/11484356.html