python使用xpath獲取頁面元素的使用
關(guān)于python 使用xpath獲取網(wǎng)頁信息的方法?
1、xpath的使用方法?
XPath 使用路徑表達(dá)式來選取 XML 文檔中的節(jié)點(diǎn)或節(jié)點(diǎn)集。節(jié)點(diǎn)是通過沿著路徑 (path) 或者步 (steps) 來選取的。
常用路徑表達(dá)式含義
表達(dá)式 | 描述 |
---|---|
/ | 從根節(jié)點(diǎn)選?。ㄈ∽庸?jié)點(diǎn)) |
// | 選擇的當(dāng)前節(jié)點(diǎn)選擇文檔中的節(jié)點(diǎn) |
. | 選取當(dāng)前節(jié)點(diǎn)。 |
… | 選取當(dāng)前節(jié)點(diǎn)的父節(jié)點(diǎn)。 |
@ | 選取屬性 |
* | 表示任意內(nèi)容(通配符) |
| | 運(yùn)算符可以選取多個(gè)路徑 |
常用功能函數(shù)
函數(shù) | 用法 | 解釋 |
---|---|---|
startswith() | xpath(‘//div[starts-with(@id,”ma”)]‘) | #選取id值以ma開頭的div節(jié)點(diǎn) |
contains() | xpath(‘//div[contains(@id,”ma”)]‘) | #選取id值包含ma的div節(jié)點(diǎn) |
and() | xpath(‘//div[contains(@id,”ma”) and contains(@id,”in”)]‘) | #選取id值包含ma的div節(jié)點(diǎn) |
text() | _.xpath('./div/div[4]/a/em/text()') | #選取em標(biāo)簽下文本內(nèi)容 |
備注:
1、html中當(dāng)相同層次存在多個(gè)標(biāo)簽例如div,它們的順序是從1開始,不是0
2、瀏覽器中使用開發(fā)者工具可以快速獲取節(jié)點(diǎn)信息
2、實(shí)例:
#!/usr/bin/python3 # -*- coding: utf-8 -*- # @Time : 2021/9/7 9:35 # @Author : Sun # @Email : 8009@163.com # @File : sun_test.py # @Software: PyCharm import requests from lxml import etree def get_web_content(): try: url = "htpps://***keyword=%E6%97%A0%E9%92%A2%E5%9C%88&wq=%E6%97%A0%E" "9%92%A2%E5%9C%88&ev=1_68131%5E&pvid=afbf41410b164c1b91d" "abdf18ae8ab5c&page=5&s=116&click=0 " header = { "user-agent": "Mozilla/5.0 (Windows NT 10.0; WOW64)" "AppleWebKit/537.36 (KHTML, like Gecko) " "Chrome/75.0.3770.100 Safari/537.36 "} response = requests.request(method="Get", url=url, headers=header) result = response.text return result except TimeoutError as e: return None def parsing(): result = get_web_content() if result is not None: html = etree.HTML(result) # 先獲取一個(gè)大的節(jié)點(diǎn),包含了想要獲取的所有信息 ii = html.xpath('//*[@id="J_goodsList"]/ul/li') for _ in ii: # 采用循環(huán),依次從大節(jié)點(diǎn)中獲取小的節(jié)點(diǎn)內(nèi)容 # ''.join() 將列表中的內(nèi)容拼接成一個(gè)字符串 infoResult = { # @href 表示:獲取屬性為href的內(nèi)容 'href': "https:" + _.xpath('./div/div[1]/a/@href')[0], 'title': ''.join( _.xpath('./div/div[2]/div/ul/li/a/@title')), # text()表示獲取節(jié)點(diǎn)i里面的文本信息 'price': _.xpath('./div/div[3]/strong/i/text()')[0], 'info': ''.join( _.xpath('./div/div[4]/a/em/text()')).strip(), 'province': _.xpath('./div/div[9]/@data-province')[0]} print(infoResult) else: raise Exception("Failed to get page information, please check!") return None if __name__ == '__main__': parsing()
結(jié)果圖片:
到此這篇關(guān)于python使用xpath獲取頁面元素的使用的文章就介紹到這了,更多相關(guān)python xpath獲取頁面元素內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
使用Python判斷質(zhì)數(shù)(素?cái)?shù))的簡單方法講解
這篇文章主要介紹了使用Python判斷質(zhì)數(shù)(素?cái)?shù))的簡單方法講解,經(jīng)常被用來做科學(xué)計(jì)算的Python處理這種小問題當(dāng)然手到擒來^_-需要的朋友可以參考下2016-05-05Python利用FFT進(jìn)行簡單濾波的實(shí)現(xiàn)
今天小編就為大家分享一篇Python利用FFT進(jìn)行簡單濾波的實(shí)現(xiàn),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-02-02Python shutil模塊實(shí)現(xiàn)文件的裁剪、壓縮與解壓縮的方法
這篇文章主要介紹了Python shutil模塊實(shí)現(xiàn)文件的裁剪、壓縮與解壓縮的方法,本文通過實(shí)例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2023-01-01

Python使用OpenCV對(duì)彩色圖像進(jìn)行通道分離的項(xiàng)目實(shí)踐

Python continue繼續(xù)循環(huán)用法總結(jié)

Python+Flask編寫一個(gè)簡單的行人檢測(cè)API