python 如何爬取审查元素中Elements里有的元素,而源代码里没有的标签?

网址:http://gpj.mofcom.gov.cn/article/ch/201808/20180802773240.shtml

在这里我们可以看到,这个网站的新闻页面的作者,发布时间那一栏的标签在审查元素的Elements里有的元素,而源代码里却没有,如果单纯的使用xpath或者css无法匹配解析出想要的信息。

并且我们可以看到这个元素是使用JavaScript进行渲染的,在源代码中的开头我们可以看到以下这张图片的代码:

解决方案有很多,接下来我们来看看

方法1:正则表达式

在这推荐一个验证正则表达式的网站:http://tool.oschina.net/regex

因此这里举一个例子,解析代码是这样的:

news_author = response.xpath('//script').re('v.{2}\ss.{4}e\s=\s\"[\u4e00-\u9fa5]+\"')[0][13:].replace('"','')

其他方法后续再补充

  • 2
    点赞
  • 53
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
评论 10
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