Html 页面信息抽取

from lxml import etree

# 读取html或htm文件
with open(path) as f:
 	a = f.read()
# 解析页面元素结构
selector=etree.HTML(a)
# 用xpath获取元素位置上的文字
title = selector.xpath('//head/title/text()')[0].split()[0]

xpath 路径的语法：菜鸟教程

xpath特殊用法（包含、同级节点）