前两篇主要给大家介绍了的xpath的基础知识,以及的xpath的常用操作,按照计划,今天是的xpath的最后一篇文章,给大家介绍一个用的xpath爬取豆瓣音乐的实战项目。学以致用,方能让我们快速掌握XPath的语法功能。
爬取目标
本次我们需要爬取豆瓣音乐前250条,打开豆瓣音乐:https ://music.douban.com/top250 。
爬取的内容有:
-
音乐标题
-
音乐评分与评价人数
-
音乐链接
-
图片地址
下面就让我们根据任务要求,一步一步的来编写代码,最后再将代码整合,实现功能。
1.获取音乐标题
打开网址,按下F12,然后查找标题,右键弹出菜单栏复制==>复制Xpath
这里就是我们想获取音乐标题的的xpath:// * [@ ID = “内容”] / DIV / DIV [1] / DIV /表[1] / tbody的/ TR / TD [2] / DIV /一个,具体实现爬取音乐标题的代码如下:
from lxml import etree
import requests
url = 'https://music.douban.com/top250'
html = requests.get(url).text
s = etree.HTML(html)
title = s.xpath('//*[@id="content"]/div/div[1]/div/table[1]/tbody/tr/td[2]/div/a')
print(title)
运行代码,结果居然是空的。这是为什么呢?
这里需要注意,浏览器复制的的xpath只能作参考,浏览器经常会在自己里面增加多余的TBODY标签,我们需要手动把这个标签(/ TBODY)删掉,然后再运行代码,结果如下:
[<Element a at 0x34f2348>, <Element a at 0x34f2308>]
此时,说明标题被获取到了,因为要获取标题文本,所以的xpath表达式要追加/文本(),此外,这个s.path返回的是一个集合,且集合中只有一个元素所以我再追加一个[ 0],新的表达式为
title = s.xpath('//[@id="content"]/div/div[1]/div/table/tr/td[2]/div/a/text()')[0]
再次运行代码得到结果:
我们唱歌。我们跳舞。我们偷东西。
正是我们想要的标题。
2.获取音乐评分与评价人数
和1中获取xpath的方法一样,此时的xpath为:// * [@ id =“content”] / div / div [1] / div / table [1] / tr / td [2] / div / DIV /跨度[3] /文本()具体代码如下:
from lxml import etree
import requests
url = 'https://music.douban.com/top250'
html = requests.get(url).text
s = etree.HTML(html)
title = s.xpath('//*[@id="content"]/div/div[1]/div/table[1]/tr/td[2]/div/a/text()')[0]
score = s.xpath('//*[@id="content"]/div/div[1]/div/table[1]/tr/td[2]/div/div/span[2]/text()')[0]
numbers = s.xpath('//*[@id="content"]/div/div[1]/div/table[1]/tr/td[2]/div/div/span[3]/text()')[0]
print(title,score,numbers)<