Python 爬虫学习笔记二: xpath from lxml
- 首先应该知道的是xpath 只是一个元素选择器, 在python 的另外一个库lxml 中, 想要使用xpath 必须首先下载lxml 库
- lxml 库的安装: 很简单, 具体请查看 http://www.jianshu.com/p/2bc5aa0db486
上述链接中有如何安装lxml , 以及如何使用xpath的入门程序, 以及xpath 的初始语法
pip install lxml
初始实践的code 记录:
from lxml import etree
import requests
url = 'http://sh.lianjia.com/ershoufang/'
region = 'pudong'
finalURL = url+region
price = 'p23'
r= requests.get(finalURL)
r.text
html = requests.get(finalURL).content.decode('utf-8')
dom_tree = etree.HTML(html)
links = dom_tree.xpath("//div/span[@class='info-col row2-text']/a")
for i in links:
print(i.text)
links_yaoshi = dom_tree.xpath("//div/span[@class='c-prop-tag2']")
for i in links_yaoshi:
print(i.text)
links_danjia = dom_tree.xpath("//span[@class='info-col price-item minor']")
for index in range(len(links_yaoshi)):
print(index)
print(links[index].text)
print(links_yaoshi[index].text)
print(links_danjia[index].text)
本来想要将这些不同标签下的信息分别取出,在打印的时候再将信息进行合并, 但是输出的结果格式不符合标准并且爬出的element数量不一致导致代码报错。
一定注意 xpath 查找提取结果是可以用“|”来提取多个results, 所以最终的code 如下:
from lxml import etree
import requests
url = 'http://sh.lianjia.com/ershoufang/'
region = 'pudong'
finalURL = url+region
price =