V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
fy
V2EX  ›  Python

求助:lxml 写爬虫怎么弄出原始 html

  •  
  •   fy ·
    fy0 · 2014-08-07 16:51:47 +08:00 · 3981 次点击
    这是一个创建于 3763 天前的主题,其中的信息可能已经有所发展或是发生改变。
    写爬虫抓文章,打算是将某个div下的所有html弄出来,结果这一步就搞不定了,我对lxml还是了解不深,这里求个方法。

    另外计划是转换成markdown或者rst再转换回html来清除html格式,这里也搭车求推荐点库。或者更好的方案。
    3 条回复    2014-08-08 13:41:22 +08:00
    fy
        1
    fy  
    OP
       2014-08-07 17:04:13 +08:00
    我弄到答案了……

    html = lxml.html.tostring(node)

    不过还是求助第二条
    binux
        2
    binux  
       2014-08-07 17:06:59 +08:00
    lxml.html.tostring
    .text_content()
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   5775 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 24ms · UTC 02:44 · PVG 10:44 · LAX 18:44 · JFK 21:44
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.