xpath获取内容的方式

以百度为例:'https://tieba.baidu.com'

1.获取最外面标签,遍历内部所有的字标签,获取标签文本

content_list =div.xpath('.//div[@class="d_post_content j_d_post_content "]/text()').extract()

2.正则去掉所有标签  <.*?>   re.compile.sub()

content_list=div.xpath('.//div[@class="d_post_content j_d_post_content "]')

pattern=re.compile(r('<.*?>'),re.S)

content=pattern.sub('',content_list)

3./text() 获取标签的文本 //text()获取标签以及子标签的文本

content_list = div.xpath(‘.//div[@class=”d_post_content j_d_post_content “]//text()’).extract()

4 使用xpath(‘string(.)’)这种方式获取所有文本 并且拼接

content_list=div.xpath('.//div[@class="d_post_content j_d_post_content "]').xpath('string(.)').extract()[0]+'\n'

文本内容获取之后print(content_list)查看内容,如需处理格式,则如下:

remove = re.compile('\s')
content = ''
for string in content_list:
    string = remove.sub('',string)
    content += string
    print(content)

 

  • 4
    点赞
  • 18
    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