纯python html解析器，支持elementtree。
htmlement的Python项目详细描述
元素
htmlement是一个纯python的html解析器。
这个项目的目标是成为一个“纯python html解析器”，它比“beautifulsoup”还要“快”。 而且像“beautifulsoup”一样，也会解析无效的html。
最简单的方法是使用elementtreeXPath expressions。 python的“elementtree”模块中确实支持一个简单的（读受限的）xpath引擎。 使用“elementtree”的好处是它可以在任何时候使用“c实现”。
这个“html解析器”扩展了html.parser.HTMLParser来构建一个由ElementTree.Element个实例组成的树。
安装
运行
pip install htmlement
-或-
pip install git+https://github.com/willforde/python-htmlement.git
分析HTML
这里我将使用一个示例“html文档”，它将使用“htmlement”进行“解析”：
html = """
<html>
<head>
<title>GitHub</title>
</head>
<body>
<a href="https://github.com/marmelo">GitHub</a>
<a href="https://github.com/marmelo/python-htmlparser">GitHub Project</a>
</body>
</html>
"""
# Parse the document
import htmlement
root = htmlement.fromstring(html)
根是一个ElementTree.Element，支持elementtree api 使用xpath表达式。有了这个，我可以很容易地得到标题和所有的锚在文件中。
# Get title
title = root.find("head/title").text
print("Parsing: %s" % title)
# Get all anchors
for a in root.iterfind(".//a"):
print(a.get("href"))
输出如下：
Parsing: GitHub https://github.com/willforde https://github.com/willforde/python-htmlement
使用筛选器分析HTML
在这里，我将使用稍微复杂一点的“html文档”，该文档将使用“htmlelement with a filter”进行“解析”以获取 只有菜单项。这在处理大型“html文档”时非常有用，因为 只需“解析所需的部分”并忽略其他所有内容。
html = """
<html>
<head>
<title>Coffee shop</title>
</head>
<body>
<ul class="menu">
<li>Coffee</li>
<li>Tea</li>
<li>Milk</li>
</ul>
<ul class="extras">
<li>Sugar</li>
<li>Cream</li>
</ul>
</body>
</html>
"""
# Parse the document
import htmlement
root = htmlement.fromstring(html, "ul", attrs={"class": "menu"})
在这种情况下，我不是不能得到标题，因为过滤器之外的所有元素都被忽略了。 但这使我能够提取菜单列表中的所有“list_item elements”，而不提取任何其他元素。
# Get all listitems
for item in root.iterfind(".//li"):
# Get text from listitem
print(item.text)
输出如下：
Coffee Tea Milk
欢迎加入QQ群-->： 979659372
