python爬虫--xpath方式清洗数据,class内容中有空格,清洗失败怎么办?

在使用Python爬虫进行数据清洗时,遇到XPath无法获取class中含有空格的元素问题。尝试将空格转换为点号.未成功。后发现是headers设置导致的问题。解决方案包括:1. 不带headers直接发送请求;2. 使用IE浏览器的请求头信息。这两种方法可避免IP被封,成功抓取目标数据。
摘要由CSDN通过智能技术生成

python爬虫--xpath方式清洗数据,清洗失败?(class内容中有空格)

 

目标:爬取类似下图中帖子的图片

步骤一、找到该帖子的源代码

<div class="threadlist_lz clearfix">
       <div class="threadlist_title pull_left j_th_tit  member_thread_title_frs "> 
             <a rel="noreferrer" href="/p/6739292728" title="为什么现在培训班出来的Java学员都找不到工作?" target="_blank" class="j_th_tit ">为什么现在培训班出来的Java学员都找不到工作?</a>

 步骤二、爬取网页内容,使用xpath方法获取href的内容

    # 构造URL
    def tiebaSpider(self):
        for page in range(self.beginPage,self.endPage+1):
            pn = (page-1)*50
            wo = {'pn': pn, 'kw': sel
  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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
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