request结合lxml包中的xpath使用

# 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
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

南桥经不起秋

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值