爬虫使用xpath解析(并保存成固定格式的文件)

爬取广西壮族自治区博物馆

import requests
# from bs4 import BeautifulSoup
import urllib
from lxml import etree
import time
import re

url = 'http://www.gxmuseum.cn/plus/guestbook.php?gotopagerank=&totalresult=188&pageno='
def get_info(url, data=None):
    headers = {"User_Agent": "Mozilla/5.0(compatible; MSIE 5.5; Windows 10)"}
    data =requests.get(url,headers).text

    #print(data)
    content = etree.HTML(data)

    titles = content.xpath('//*[@class="timetd"]/strong/text()')
    questions = content.xpath('///*[@class="msgtd"]/div/text()')
    replys = content.xpath('///*[@class="msgtd"]//span/text()')
    times = content.xpath('///*[@class="timetd"]/text()')
    primary_class = '广西壮族自治区博物馆'
    times = times[1:2]
    #time = re.findall('\d+', times)
    print(times)
   
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 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
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