lxml 解析巨大深嵌套DOM樹的問題

今天客戶反映，咱們的微信爬蟲，有一篇文章的信息不全：問題連接

仔細觀察以後，咱們發現，這篇文章是由135微信編輯器生成的，正文內容的DOM樹很是深，有幾百層。

使用 lxml.etree.HTML(text).xp(xpath)進行解析的時候，若是DOM樹過深，就解析會提早停止。

在build etree時，調用的是lxml.etree.XMLParser 類，而XMLParser接收 huge_tree=True的參數，容許解析巨大DOM樹，而etree.HTML又接收自定義Parser，因此上述代碼修改成：

lxml.etree.HTML(text, lxml.etree.XMLParser(huge_tree=True)).xp(xpath)以後，就能夠順利解析了。