一、数据解析之xpath项目工程应用
今天我们进行xpath数据解析的工程应用——解析下载图片数据
二、代码分析
1.代码部分
代码如下:
#解析下载图片数据
import requests
from lxml import etree
import os
if __name__ == "__main__":
#获取网页源数据
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.66 Safari/537.36'
}
url = 'http://pic.netbian.com/4kmeinv/'
respones = requests.get(url=url, headers=headers)
r_text = respones.text
#实例化一个etree对象
tree = etree.HTML(r_text)
list_img = tree.xpath('//div[@class="slist"]/ul/li')
#建立存储文件夹
if not os.path.exists('./picLibs'):
os.mkdir('./picLibs')
#遍历列表解码数据
for li in list_img:
img_src = 'http://pic.netbian.com'+li.xpath('./a/img/@src')[0]
img_name = li.xpath('./a/img/@alt')[0] + '.jpg'
#通用处理中文乱码的解决方案
img_name = img_name.encode('iso-8859-1').decode('gbk')
#请求图片进行格式化存储
img_data = requests.get(url=img_src, headers=headers).content
img_path = './picLibs'+img_name
with open(img_path, 'wb') as fp:
fp.write(img_data)
print(img_name, '下载成功')
2.分析
1.步骤分析
代码编写思路:
1.通过指定的url获取数据源
2.实例化一个etree对象将获取的数据源码加载到etree对象中并通过xpath表达式对相应的数据源码进行解析存储到列表中
3.然后建立存储文件夹
4.对列表中的元素进行遍历、编码、存储。
2.部分代码分析
#建立存储文件夹
if not os.path.exists('./picLibs'):
os.mkdir('./picLibs')
如果当前目录下没有picLibs文件夹,则在当前目录建立一个picLibs文件夹
#通用处理中文乱码的解决方案
img_name = img_name.encode('iso-8859-1').decode('gbk')
一种通用处理中文乱码的解决方案,在试用其他如utf-8编码失败的情况下,可以试试他。
#请求图片进行格式化存储
img_data = requests.get(url=img_src, headers=headers).content
img_path = './picLibs'+img_name
with open(img_path, 'wb') as fp:
fp.write(img_data)
print(img_name, '下载成功')
对解码的图片数据进行格式化存储,值得注意的是里面包括文件名的文件数据,在应用的时候不能混淆了。