python爬虫xpath提取数据_Python网络爬虫项目：使用requests获取网页，通过xpath提取数据...

本次讲解通过requests获取某一个网站，网址：http://www.gxccedu.com/sp2017/zli/index.html

然后使用xpath提取页面中的“专利名称”。

步骤：

1、使用pycharm新建项目，新建的时候记得勾选“Inherit global site-packages”否则可能找不到requests类库

2、编写代码，我们看到网页上的数据量是101行，如下所示：

代码如下：

项目结构（不重要）：

程序代码：

首先我们要分析网页的源码，在浏览器按F12可以查看到源码，把源码全选复制到一个pycharm新建的HTML文档，可以看到对应的树形结构。

我们可以看到，在左边的编辑框这里，凡是有“-”号的，都是在树形结构内的。由此我们可以知道，如果想要获取到td，则完整的树形结构是：

html-body-div-table-tr-td

但是tr是多个的，并且第一个是表头，所以第一个不是我们想要的，所以我们要对第一个的表头抛弃掉。

另外td也是多个的，并且我们只需要每个tr里面的第二个td，所以我们可以采用下标的方式来获取。

最终完整的树形结构是：/html/body/div/table/tr[postion()>1]/td[2]

所以，代码如下：

最后，运行结果：

来源：oschina

链接：https://my.oschina.net/u/4082616/blog/4312998