[python] Windows下安装libxml2并在Python中使用XPath

 为了使用XPath技术，对爬虫抓取的网页数据进行抽取（如标题、正文等等），花了一天的时间熟悉了一下Python语言，今天尝试在Windows下安装libxml2模块，将自己的一点学习实践简单记录一下。

Python在安装一个扩展的模块时，可以通过安装辅助工具包（Setuptools）来安装新的Python packages，并可以实现对已经安装的packages的管理。在http://pypi.python.org/pypi/setuptools上你可以找到对于不同平台下的安装包，这些工具主要包括Python Eggs和 Easy Install。在网上搜了很多，比较常用的应该是Easy Install，而且在网站http://peak.telecommunity.com/DevCenter/EasyInstall上给出了对EasyInstall的介绍：

Easy Install是一个Python模块，通过它可以方便地安装扩展的Python模块。

下面我们就一步步地准备、安装、配置。

准备

需要的软件包，及其相应的下载地址，分别整理如下：

Python 2.6 （python官网貌似打不开，也忘记从哪里下载的，到网上搜一下吧）
libxml2-python-2.7.7.win32-py2.7.exe  （http://xmlsoft.org/sources/win32/python/libxml2-python-2.7.7.win32-py2.7.exe，http://xmlsoft.org/sources/win32/python/）
setuptools-0.6c11.win32-py2.6.exe （http://pypi.python.org/packages/2.6/s/setuptools/setuptools-0.6c11.win32-py2.6.exe#md5=1509752c3c2e64b5d0f9589aafe053dc，http://pypi.python.org/pypi/setuptools#downloads）

安装

第1步：安装Python

在Windows下面，只需要安装包的exe可行性文件即可安装，不在累述。

第2步：安装Easy Install工具

前提是Python要安装好，然后安装上面准备好的setuptools-0.6c11.win32-py2.6.exe即可，它会自动找到Python的安装目录，并将安装工具包安装到对应的目录下面。例如我的脚本目录为E:Program FilesPython26Scripts，验证一下：

如果能够看到上述easy_install的命令选项，就说明安装成功了。

第3步：安装libxml2

libxml2安装，通过libxml2-python-2.7.7.win32-py2.7.exe安装即可。安装完这个以后，只是将相应的模块解压到了对应的目录，并不能在Python编程中使用，还需要通过Easy Install来安装一个lxml库，它是一个C编写的库，能够加速对HTML或XML的解析处理，详细介绍可以参考（http://lxml.de/index.html）。安装lxml需要使用Easy Install的执行脚本，例如我的脚本目录为E:Program FilesPython26Scripts，执行安装：

E:Program FilesPython26Scripts>easy_install lxml==2.2.2

可以看到安装信息：

使用XPath抽取

下面，我们使用XPath来实现网页数据的抽取。这里，我使用了一个Python的IDE工具——EasyEclipse for Python（Version: 1.3.1），可以直接创建Pydev Project，具体使用请查阅相关资料。

验证可以使用XPath来定向抽取网页数据，Python代码如下：

首先，把网页http://peak.telecommunity.com/DevCenter/EasyInstall的源代码下载下来，存储到文件peak.txt中，编码UTF-8；

然后，在Python中读取该文件内容，使用XPath抽取页面上每个段落的标题内容，最后输出到控制台上，结果如下所示：

如果你足够熟悉XPath，借助于libxml2，你可以抽取网页中任何你想要的内容。