spider爬虫demo

11 篇文章 1 订阅
1 篇文章 0 订阅

通过 XPath,提取小节名称与以及小节名称对应的链接地址。然后将其保存为 excel 文件。

目标网址:https://www.runoob.com/html/html-tutorial.html

import requests
import lxml.etree as le
import pandas as pd

url = 'https://www.runoob.com/html/html-tutorial.html'
x = '//div[@id = "leftcolumn"]/a/text()'
y = '//div[@id="leftcolumn"]/a/@href'
content = requests.get(url = url).content
contentx = le.HTML(content)

titles = contentx.xpath(x)
urls = contentx.xpath(y)

ti = []
ul = []

for i in titles:
    ti.append(i.strip())
for l in urls:
    ul.append(l.strip())
data = list(map(lambda key, value: [key, value],ti,ul))
data = pd.DataFrame(data)
# print(data)
data.columns = ['title','url']
write = pd.ExcelWriter('菜鸟_title_url.xlsx')
data.to_excel(write,sheet_name='title_url')
write.save()

 

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