### Python 中 `etree` 模块的使用教程 #### 解析 XML 和 HTML 文档 为了处理 XML 或者 HTML 文件，可以利用 `lxml.etree` 库中的功能来加载并解析这些类型的文档。对于本地文件而言，可以通过读取文件路径来进行操作；而对于网络资源，则需先通过 HTTP 请求获取页面源码再进行转换。 当涉及到具体的应用场景时，比如从网页抓取数据，通常会经历以下几个方面的工作流程： - 发送请求获得目标网站的内容。 - 利用 `etree.HTML()` 函数把返回的数据流转化为可被 XPath 查询的对象。 - 编写合适的 XPath 表达式定位所需信息节点，并提取其文本或其他属性值。 下面是一个完整的例子展示如何运用上述方法访问指定 URL 并从中抽取特定标签内的文字[^3]： ```python import requests from lxml import etree headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/119.0.0.0 Safari/537.36" } response = requests.get('https://ssr1.scrape.center/', headers=headers) html_doc = response.text parsed_html = etree.HTML(html_doc) titles = parsed_html.xpath('//h2[@class="m-b-sm"]/text()') for title in titles: print(title.strip()) ``` 这段代码实现了向给定网址发起 GET 请求取得响应体之后，调用了 `etree.HTML()` 方法创建了一个 ElementTree 对象用于后续查询。接着定义了一条 XPath 路径指向所有符合条件 `<h2>` 标签下的纯文本内容，最后迭代输出每一个匹配项去除首尾空白字符后的结果。 #### 遍历元素树结构 除了基于位置或者名称选取单个或多个子元素之外，还可以采用 `.iter(tag)` 方式遍历整个 DOM 结构下所有的同名标记实例。例如，在一个已知根结点的情况下寻找名为 `'neighbor'` 的后代成员就可以这样实现[^1]: ```python import xml.etree.ElementTree as ET tree = ET.parse('example.xml') root = tree.getroot() for neighbor in root.iter('neighbor'): print(neighbor.attrib) ``` 此段脚本展示了怎样打开一个外部 XML 文件作为输入源构建一棵内部表示形式——即所谓的 “元素树”。随后借助于 `.getroot()` 获取到最顶层容器对象以便进一步探索其中包含的具体组件。这里特别强调的是循环体内部分，它负责依次列举出每一次遇到的目标标签及其关联特性集合。 #### 官方文档和其他学习资料推荐 官方提供的 [Python 文档](https://docs.python.org/zh-cn/3/library/xml.etree.elementtree.html) 是了解标准库内建模块的最佳起点之一。除此之外还有许多第三方平台也提供了丰富的教学文章和视频课程可供参考，如 Real Python 上关于 [LXML 教程](https://realpython.com/python-xml/) 的系列介绍就非常适合初学者入门学习。