Scrapy(二)获取script标签里面的数据内容

最新推荐文章于 2024-01-03 16:54:53 发布

rightfight

最新推荐文章于 2024-01-03 16:54:53 发布

阅读量1.6w

点赞数 2

分类专栏： Python

本文链接：https://blog.csdn.net/y_z_w123/article/details/81383668

版权

Python 专栏收录该内容

5 篇文章 0 订阅

订阅专栏

#1.数据例子演示

不是按0开始数就是从1开始数
view-source:http://www.hdb.com/party/a0lz2.html 第六个

主要获取内容

#2.开始撸代码(python3.6)

只是部分主要代码

import requests
from bs4 import BeautifulSoup
import js2xml
from lxml import etree

class HdbSpider(scrapy.Spider):
    name = 'hdb'
    allowed_domains = ['http://www.hdb.com/']
    start_urls = ['http://www.hdb.com/']
    #全国
    globalUrl = ['http://www.hdb.com/quanguo/']

def url(self):
	url = http://www.hdb.com/party/a0lz2.html 
	yield scrapy.Request(url,self.parse,dont_filter=True)
def parse(self,response):
	#主要内容
	resp = response.text
	soup = BeautifulSoup(resp, 'lxml')
	src = soup.select('head script')[6].string
	src_text = js2xml.parse(src,  debug=False)
	src_tree = js2xml.pretty_print(src_text)
	print('treeeeeeeeeeeeeeeeeeeeeeeeeeeee')
	print(src_tree)
	#生成结果展示图一
	selector = etree.HTML(src_tree)
	# print(selector)
	#自己去匹配自己想要的数据
	content = selector.xpath("//property[@name = '_id']/string/text()")[0]
	print(content)

图一

生成后的结果

详细代码地址

git@github.com:yzw1/python-Reptilian-content.git

参考文章

1. https://blog.csdn.net/fan3652/article/details/72780301（去除里面的内容）
2. https://blog.csdn.net/qq_34246164/article/details/80700399
3. https://blog.csdn.net/freeking101/article/details/64461574