求助：lxml 写爬虫怎么弄出原始 html

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› Pocoo

值得关注的项目

› PyPy

› pyenv

Python 编程

› pep8 Checker

Styles

› PEP 8

This topic created in 4325 days ago, the information mentioned may be changed or developed.

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 replies • 2014-08-08 13:41:22 +08:00

Aug 7, 2014

我弄到答案了……

html = lxml.html.tostring(node)

不过还是求助第二条

binux

Aug 7, 2014

lxml.html.tostring
.text_content()

buf1024

Aug 8, 2014