python中爬取a标签中的内容_如何通过Python使用Selenium从<a>标签中提取所有文本

该博客介绍了如何使用Python的requests库获取网页HTML,然后通过lxml库解析HTML,特别是针对<a>标签,提取其中的文本内容和href属性。博主建议在无需模拟浏览器行为的情况下,尽量避免使用Selenium,以减少额外的资源消耗。文中提供了详细的代码示例,展示如何构建数据集,包括链接和标题信息。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

看起来当网站第一次加载时,所有的产品也都被加载了。底部的分页实际上不会更改为不同的页面。因此,您可以在http://www.carboline.com/products/的第一个请求中提取所有产品。我使用python requests获取网站HTML和{}来解析{}。在

我会远离硒等。。如果可能(有时你别无选择)。但如果网站是超简单的,就像你的问题。那么我建议你做一个request。这就避免了使用浏览器的所有额外开销,因为你只需要请求你需要的东西。在

**我更新了我的答案,以向您展示如何同时提取href和{}。在import requests

from lxml import html

BASE_URL = 'http://www.carboline.com'

def extract_data(tree):

elements = [

e

for e in tree.cssselect('div.border h5 a')

if e.text is not None

]

return elements

def build_data(data):

dataset = []

for d in data:

link = BASE_URL + d.get('href')

title = d.text

dataset.append(

{

'link':link,

'title':title

}

)

return dataset

def request_website(url):

headers = {

'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36'

}

r = requests.get(url, headers=headers)

return r.text

response = request_website('http://www.carboline.com/products/')

tree = html.fromstring(response)

data = extract_data(tree)

dataset = build_data(data)

print (dataset)

评论
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