爬虫之xpath解析

xpath解析

xpath解析是最常用且最便捷高效的一种解析方式,比较通用

xpath解析原理

实例化一个etree对象,且需要将被解析的页面源码数据加载到该对象中。
调用etree对象中的xpath方法结合着xpath表达式实现标签的定位和内容的捕获

环境安装

pip install lxml

如何实例化一个etree对象:from lxml import etree

将本地的html文档中的源码数据加载到etree对象中:
etree.parse(filePath)
可以将互联网上获取到的源码数据加载到该对象中
etree.HTML(‘page_text’)

xpth表达式

在这里插入图片描述

示例:

import requests
from lxml import etree
if __name__ == '__main__':
    url="https://www.qiushibaike.com/imgrank/"
    headers = {
        "User-Agent": "Mozilla/5.0(Windows NT 10.0;Win64;x64) AppleWebKit / 537.36(KHTML, likeGecko) Chrome / 88.0.4324.150 Safari / 537.36"
    }
    resp=requests.get(url=url,headers=headers)
    resp.encoding="utf-8"
    page_text=resp.text
    tree=etree.HTML(page_text)
    print(tree.xpath('//div[@class="thumb"]'))

爬取热门城市和全部城市

在这里插入图片描述

import requests
from lxml import etree
if __name__ == '__main__':
    url="https://www.aqistudy.cn/historydata/"
    headers = {
        "User-Agent": "Mozilla/5.0(Windows NT 10.0;Win64;x64) AppleWebKit / 537.36(KHTML, likeGecko) Chrome / 88.0.4324.150 Safari / 537.36"
    }
    resp=requests.get(url=url,headers=headers)
    resp.encoding="utf-8"
    page_text=resp.text
    tree=etree.HTML(page_text)
    # 热门城市
    hot_li_list=tree.xpath("//div[@class='bottom']/ul/li")
    hot_city=[]
    for hot_li in hot_li_list:
        hot_city.append(hot_li.xpath("./a/text()")[0])
    print(hot_city)
    # 全部城市
    all_li_list=tree.xpath("//div[@class='bottom']/ul/div/li/a/text()")
    print(all_li_list)

在这里插入图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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