一个Python爬虫案例，带你掌握xpath数据解析方法！_python xpath测试题

最新推荐文章于 2024-05-04 16:12:27 发布

2401_84265674

最新推荐文章于 2024-05-04 16:12:27 发布

阅读量491

点赞数 24

分类专栏： 2024年程序员学习文章标签： python 爬虫开发语言

本文链接：https://blog.csdn.net/2401_84265674/article/details/137793679

版权

2024年程序员学习专栏收录该内容

43 篇文章 0 订阅

订阅专栏

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新软件测试全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上软件测试知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024b （备注软件测试）

正文

2.调用etree对象中的xpath方法结合xpath表达式实现标签的定位和内容的捕获。

环境安装

pip install lxml

如何实例化一个etree对象：

from lxml import etree

1.将本地的html文件中的远吗数据加载到etree对象中：

etree.parse(filePath)

2.可以将从互联网上获取的原码数据加载到该对象中：

etree.HTML(‘page_text’)

xpath(‘xpath表达式’)

/:表示的是从根节点开始定位。表示一个层级
//:表示多个层级。可以表示从任意位置开始定位
属性定位：//div[@class=‘song’] tag[@attrName=‘attrValue’]
索引定位：//div[@class=‘song’]/p[3] 索引从1开始的

取文本：

/text()获取的是标签中直系的文本内容
//text()标签中非直系的文本内容（所有文本内容）
取属性：/@attrName ==>img/src

xpath爬取58二手房实例

爬取网址

https://xa.58.com/ershoufang/完整代码

from lxml import etree
import requests

在这里插入图片描述
xpath图片解析下载实例

爬取网址

https://pic.netbian.com/4kmeinv/完整代码

import requests,os
from lxml import etree

if name == ‘main’:
headers = {
‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36’
}
url = ‘https://pic.netbian.com/4kmeinv/’
page_text = requests.get(url=url,headers=headers).text
tree = etree.HTML(page_text)
li_list = tree.xpath(‘//div[@class=“slist”]/ul/li/a’)
if not os.path.exists(‘./piclibs’):
os.mkdir(‘./piclibs’)
for li in li_list:
detail_url =‘https://pic.netbian.com’ + li.xpath(‘./img/@src’)[0]
detail_name = li.xpath(‘./img/@alt’)[0]+‘.jpg’
detail_name = detail_name.encode(‘iso-8859-1’).decode(‘GBK’)
detail_path = ‘./piclibs/’ + detail_name
detail_data = requests.get(url=detail_url, headers=headers).content
with open(detail_path,‘wb’) as fp:
fp.write(detail_data)
print(detail_name,‘seccess!!’)

在这里插入图片描述
xpath爬取全国城市名称实例

爬取网址

https://www.aqistudy.cn/historydata/完整代码

import requests
from lxml import etree

if name == ‘main’:
url = ‘https://www.aqistudy.cn/historydata/’
headers = {
‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36’,
}
page_text = requests.get(url=url,headers=headers).content.decode(‘utf-8’)
tree = etree.HTML(page_text)
#热门城市 //div[@class=“bottom”]/ul/li
#全部城市 //div[@class=“bottom”]/ul/div[2]/li
a_list = tree.xpath(‘//div[@class=“bottom”]/ul/li | //div[@class=“bottom”]/ul/div[2]/li’)
fp = open(‘./citys.txt’,‘w’,encoding=‘utf-8’)
i = 0
for a in a_list:
city_name = a.xpath(‘.//a/text()’)[0]
fp.write(city_name+‘\t’)
i=i+1
if i == 6:
i = 0
fp.write(‘\n’)
print(‘爬取成功’)