XPath爬取丁香论坛回复评论

本文介绍如何利用XPath解析技术,高效地从丁香论坛中爬取并提取用户回复和评论数据,涉及网络爬虫的基础知识及实战技巧。
摘要由CSDN通过智能技术生成

import requests
import csv
import lxml
from lxml import etree

url = "http://www.dxy.cn/bbs/thread/626626#626626"
headers = {"User-Agent":"Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"}
re = requests.get(url, headers)
text = re.text
print()
html = etree.HTML(text)  #调用HTML类初始化。构成XPath解析对象
#result = etree.tostring(ht) #对ht进行修正补齐,但是结果是BYTE型,要转换成str类型
#result = result.decode("utf-8")#转换成str型    也可以直接进行文本解析,不用这三步
#tml  = etree.parse('./text.html',etree.HTMLParser()) #直接调用文本进行分析
result1 = html.xpath('//div[@class="auth"]')
result2 = html.xpath('//tbody//td[@class="postbody"]') #取出对应的回复评论  都是list型
result3 = html.xpath('//div[@class="post-info"]/span[1]')
#创建空列表存放数据
user = []
content = []
time = []
with ope
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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