# coding=utf-8 #爬虫必须写,防止编译错误
import requests
import re #正则
from lxml import etree #转化html文档包
url='https://hz.lianjia.com/zufang/' #统一资源定位符
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'
}
#请求头
html_all='''
# print(requests.get(url=url,headers=headers).text)
'''
#获取整个html页面代码,获取的是字符串str类型,仅供测试使用
html_all_doc=etree.HTML(html_all) #字符串转化成<class 'lxml.etree._Element'>类型,便于使用xpath定位元素
url1_list= html_all_doc.xpath('//div//a[@class="twoline"]/@href') #xpath定位元素,生成详情页部分url地址,获取后生成列表list类型
# print(html_str)
#拼接详情页url
for url1 in url1_list:
url1_z_str=url+url1
# print(url1_z_str)
html1=requests.get(url=url1_z_str,headers=headers).text #获取详情页html页面str类型
html_doc1=etree.HTML(html1) #转化文档
html_str1 = html_doc1.xpath(
'//div[@class="content__aside--title"]/span/text()|//ul[@class="content__aside__list"]/text()')
html_str2 = html_doc1.xpath('//div[@class="content__article__info"]/ul/text()')
html_str3 = html_doc1.xpath('//ul[@class="content__article__info2"][@class="fl oneline "]/text()')
#定位元素,/text()表示获取定位的元素中的文本内容,获取后生成列表list类型
print('-'.join(html_str1).strip())
print('-'.join(html_str2).strip())
print('-'.join(html_str3).strip())
#输出要的内容,join表示将列表转化字符串输出,strip作用是清除内容前后的空格
request结合lxml包中的xpath使用
最新推荐文章于 2021-01-03 18:43:42 发布