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 -> 爬虫xpath及实例 -> 正文阅读

[Python知识库]爬虫xpath及实例

xpath的使用方法

tree.xpath(/html/body/div) 逐级定位
tree.xpath(/html//div) 两个//可以跨级定位
tree.xpath(//div[@class=“song”]/p) 可以按照属性值定位
tree.xpath(//div[@class=“song”]/p[3]) 可以定位到具体第几个标签
tree.xpath(//div[@class=“song”]/p[3]/a/text()) 获取直系
tree.xpath(//div[@class=“song”]/p[3]/a//text()) 多一个/可以获取全部
tree.xpath(//div[@class=“song”]/p[3]/a/text())[0]
tree.xpath(//div[@class=“song”]/img/@scr) 可以获取属性值

实例

import requests
from lxml import etree
if __name__  == "__main__":
    url = "https://sanguo.5000yan.com/";
    headers = {
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36'       
    }
    page_text = requests.get(url = url , headers = headers).text;
    page_text = page_text.encode("ISO-8859-1");
    page_text = page_text.decode("utf-8");
    #print(page_text);
    fp = open("./second.txt",'w',encoding='utf-8');
    tree = etree.HTML(page_text);
    li_list = tree.xpath('//div[@class="sidamingzhu-list-mulu"]/ul/li');
    for li in li_list:
        li_title = li.xpath('./a//text()')[0];
        fp.write(li_title+":\n");
        print(li_title+"写入成功");
        src_list = li.xpath('./a/@href')[0];
        print(src_list)
        page_data = requests.get(url = src_list , headers = headers).text;
        page_data = page_data.encode("ISO-8859-1");
        page_data = page_data.decode("utf-8");
        page_tree = etree.HTML(page_data);
        div_list = page_tree.xpath('//body/div/div[@class="main_life"]//div');
        for div in div_list:
            page_content = div.xpath('./div//text()')[0];
            print(page_content);
            fp.write(page_content);
        
        
  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:2022-03-16 22:18:55  更:2022-03-16 22:20:09 
 
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 -2024/11/15 19:25:55-

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