爬虫入门-bs4 xpath 正则表达式-task02

爬虫入门-bs4 xpath 正则表达式-task02

一.xpath练习

爬取丁香园-用户名和回复内容

爬取思路:

  • 获取url的html
  • lxml解析html
  • 利用Xpath表达式获取user和content
  • 保存爬取的内容
#导入库
from lxml import etree
import requests

url = "http://www.dxy.cn/bbs/thread/626626#626626"
#获取url的html
req = requests.get(url)
html = req.text
#lxml解析html
tree = etree.HTML(html) 
#利用Xpath表达式获取user和content(完成xpath的语句)
user = tree.xpath('//div[@class=“auth”]/a/text()')
# print(user)
content = tree.xpath('//td[@class=“postbody')
#保存爬取的内容
results = []
for i in range(0, len(user)):
    # print(user[i].strip()+":"+content[i].xpath('string(.)').strip())
    # print("*"*80)
    # 因为回复内容中有换行等标签,所以需要用string()来获取数据
    results.append(</
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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