XML格式爬取所需内容

 通过对HTML格式转换成XML的格式后,再对转换成XML格式后的内容进行xpath匹配处理,得到想要爬取的内容!

import requests
from lxml import etree

# 1.获取html页面
url = 'http://www.langlang2017.com/'
response = requests.get(url)
content = response.content.decode('u1tf-8')

# 2.把页面转换成树状结构
tree = etree.HTML(content)

# 方法一
div_list = tree.xpath('//div/text()')
print(div_list[-6])
# 方法二
tel = tree.xpath('//div[@class="dianhua"]/text()')
print(tel[0])

addr = tree.xpath('//div[@class="dizhi"]/text()')
print(addr[0])

# info = tree.xpath('//li/img/@src')
# print(info)
li_list = tree.xpath('//div[@class="banner_box"]/ul/li')
for li in li_list:
    # 获取图片和链接
    src = li.xpath('./img/@src')[0]
    alt = li.xpath('./img/@alt')[0]
    print(src, alt)

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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