使用lxml库清理和规范化HTML文档的步骤如下：
from lxml import etree 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) # 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') # 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。
