使用lxml库从HTML文档中提取所需信息可以按照以下步骤进行:
from lxml import etree
html = etree.parse('example.html')
# 定位所有的<a>标签
links = html.xpath('//a')
# 定位class为'content'的<div>标签下的文本内容
content = html.xpath('//div[@class="content"]/text()')
# 遍历所有的<a>标签并输出文本内容和链接
for link in links:
print(link.text, link.get('href'))
# 输出class为'content'的<div>标签下的文本内容
print(content)
通过以上步骤,就可以使用lxml库从HTML文档中提取所需信息了。需要注意的是,XPath表达式的语法和HTML文档的结构有关,可以根据具体的HTML文档结构来编写XPath表达式来定位所需信息。