IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> Python爬虫:8_Xpath解析 -> 正文阅读

[Python知识库]Python爬虫:8_Xpath解析

安装lxml模块

pip install lxml

入门案例

from lxml import etree

xml = """
<book>
    <id>1</id>
    <name>野花</name>
    <price>123</price>
    <nick>豆腐</nick>
    <author>
        <nick id="10086">周大枪</nick>
        <nick id="10010">周芷若</nick>
        <nick class="joy">周杰伦</nick>
        <nick class="jolin">蔡依林</nick>
        <div>
            <nick>惹了</nick>
        </div>
        <span>
            <nick>惹2</nick>
        </span>
    </author>
    
    <partner>
        <nick id="bbc">宝宝沉</nick>
        <nick id="bbbc">宝宝不沉</nick>
    </partner>
</book>
"""

tree = etree.XML(xml)

# /表示层级关系,第一个/是根节点,text()是拿文本
# ret = tree.xpath('/book/name/text()')
# // 表示所有后代
# ret = tree.xpath('/book/author//nick/text()')  # ['周大枪', '周芷若', '周杰伦', '蔡依林', '惹了']
# *表示任意节点
ret = tree.xpath('/book/author/*/nick/text()')  # ['惹了', '惹2']

print(ret)

语法

from lxml import etree

parser = etree.HTMLParser(encoding="utf-8")
tree = etree.parse('b.html', parser=parser)
# ret = tree.xpath('/html/body/ul/li/a/text()')  # ['百度', '谷歌', '搜狗']
# ret = tree.xpath('/html/body/ul/li[1]/a/text()')  # ['百度']  []:表示索引
ret = tree.xpath("/html/body/ol/li/a[@href='dapao']/text()")  # ['大炮']  [@href='dapao']:对属性作筛选
print(ret)

ol_li_list = tree.xpath('/html/body/ol/li')


"""
['大炮']
['飞机']
['feiji']
['大炮']
['dapao']
['火车']
['huoche']
"""
for li in ol_li_list:
    ret2 = li.xpath('./a/text()')  #  ./代表相对查找
    print(ret2)
    ret3 = li.xpath('./a/@href')  # @属性:拿到属性值
    print(ret3)

技巧

快速定位并复制后一行的xpath

?案例

import requests
from lxml import etree


url = 'xxxxxxxxxx'  # 某网站
resp = requests.get(url)
# print(resp.text)

html = etree.HTML(resp.text)

divs = html.xpath('/html/body/div[6]/div/div/div[2]/div[5]/div[1]/div')

for div in divs:
    price = div.xpath('./div/div/a[2]/div[2]/div[1]/span[1]/text()')[0].strip('¥')
    amount = div.xpath('./div/div/a[2]/div[2]/div[1]/span[2]/text()')[0].strip('近半年成交:')
    name = 'saas'.join(div.xpath('./div/div/a[2]/div[2]/div[2]/p/text()'))
    company = (div.xpath('./div/div/a[1]/div[1]/p/text()')[1]).strip()
    location = div.xpath('./div/div/a[1]/div[1]/div/span/text()')[0]

    print('标题:{0}; 价格:{1}; 销量:{2}, 公司:{3}, 所在地:{4}'.format(name, price, amount, company, location))

resp.close()

?

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2022-01-16 13:00:43  更:2022-01-16 13:02:21 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/16 2:24:18-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码