发送get请求(requests_html)

发送get请求

from requests_html import HTMLSession
session = HTMLSession()

发出GET请求：

resposse = session.get('http://news.qq.com/')

2.2 按原样获取页面上所有链接的列表（不包括锚点）：

print(r.html.links)

#输出内容：{‘http://www.mohrss.gov.cn/’, ‘http://www.dahe.cn/’, …｝

2.3 以绝对形式抓取页面上所有链接的列表（锚点除外）：

print(r.html.absolute_links)

#输出内容：{‘http://new.qq.com/omn/20180630A0L1ED.html’, ‘http://news.qq.com/a/20180624/001511.htm’, ‘http://new.qq.com/omn/20180630A12MEU.html’, …｝

2.4使用CSS选择器选择一个元素：

title = r.html.find('.f14>a', first=True).text
print(title)

输出内容：重磅！2018年版自贸试验区外资准入负面清单出炉

#注意：first=True的意思是获取第一个元素，如果不加上就是获取所有的符合的元素

2.5 attrs 获取元素的所有属性：

title = r.html.find('.f14>a', first=True)
print(title.attrs)

输出内容：{‘target’: ‘_blank’, ‘class’: (‘linkto’,), ‘href’: ‘http://new.qq.com/omn/FIN2018063001805300’}

2.6 获取元素的html：

title = r.html.find('.f14>a', first=True)
print(title.html)

输出内容：重磅！2018年版自贸试验区外资准入负面清单出炉

2.7 搜索元素内的链接：

title = r.html.find('.f14>a', first=True)
print(title.absolute_links)

输出内容：{‘http://new.qq.com/omn/FIN2018063001805300’}

2.8 在页面上搜索文字：

title = r.html.search('重磅！{}年版自贸试验区外资准入负面清单出炉')[0]
print(title)

输出内容：2018

2.9 XPath路径定位元素

title = r.html.xpath('//div[@class="text"]/em/a/text()')[0]
print(title)

输出内容：重磅！2018年版自贸试验区外资准入负面清单出炉

2.10 解析本地文件

from requests_html import HTML
doc = """<a href='http://news.qq.com/'>"""
html = HTML(html=doc)
print(html.links)

输出内容：{‘http://news.qq.com/’}

3.实例：

实例：获取腾讯新闻的标题和链接

from requests_html import HTMLSession
session = HTMLSession()

r = session.get("http://news.qq.com/")

通过CSS找到新闻标签

news = r.html.find('.f14>a')
for new in news:
    print(new.text)  # 新闻标题
    print(new.absolute_links)  # 新闻连接