怎么用lxml清理和规范化HTML文档
使用lxml库清理和规范化HTML文档的步骤如下：
- 导入lxml库：
from lxml import etree- 读取HTML文档：
html = """<html><head><title>Example</title></head><body><h1>Hello, World!</h1><p>This is an example HTML document.</p></body></html>"""# 将HTML文档转换为lxml对象tree = etree.HTML(html)- 清理HTML文档：
# 使用tostring方法将lxml对象转换回字符串，清理HTML文档clean_html = etree.tostring(tree, pretty_print=True, method="html").decode('utf-8')- 规范化HTML文档：
# 使用tostring方法的method参数规范化HTML文档normalized_html = etree.tostring(tree, pretty_print=True, method="xml").decode('utf-8')通过以上步骤，您可以使用lxml库清理和规范化HTML文档。