@兰博怎么玩儿
本文介绍:本文介绍Xpath语法,并用一个实例对比BeautifulSoup与Xpath的爬取速度,最后我们再介绍如何多线程地运行爬虫程序。
1、Xpath的使用
1.1 基本用法
Xpath需要第三方库:lxml。其语法是:
获取文本:
//标签1[@属性1=“属性值1”]/标签2[@属性2=“属性值2”]/.../text()
获取属性值
//标签1[@属性1=“属性值1”]/标签2[@属性2=“属性值2”]/.../@属性n
Xpath可以通过以下方式获取:
1、鼠标放到网页上待抓取数据上(这里是糗事百科用户id),右键,检查。
2、开发工具中,右键所选元素,Copy–Copy-XPath
这样可以复制粘贴使用Xpath:
from lxml import etree
res = requests.get(url, headers=headers)
selector = etree.HTML(res.text)
url_infos = selector.xpath('//div[@class="article block untagged mb15"]/div[1]/a[2]/h2/text()')[0]
注意,第一个div标签为div[1]而不是div[0]。
1.2 特殊情况
- 相同字符串开头
<body>
<div id="test-1">需要的内容1</div>
<div id="testuseful">需要的内容2</div>
<div id="useless">不需要的内容</div>
</boidy>
假如有如上HTML代码,要抓取需要的内容1,需要的内容2,可以利用start-with(@属性名,“相同的开头部分”)来获取:
//div[start-with(@id,"test")]/text()
- 属性值包含相同字符串