python爬虫网页提取器——xpath
admin
2023-07-31 01:43:32
0次

xpath简单来说就是根据网页的源码路径去找你想要的的信息。
例子：

html=\'\'\'



    
    测试-常规用法




    
    
        
  • 这是第一条信息
    • 
        
  • 这是第二条信息
    • 
        
  • 这是第三条信息
    • 
    

    
    
        
  • 不需要的信息1
    • 
        
  • 不需要的信息2
    • 
        
  • 不需要的信息3
    • 
    


    





\'\'\'

设网页文本如上：
xpath简单提取方法（chrome的审查元素有xpath的提取方式）

# -*- coding:utf-8 -*-
from lxml import etree#导入xpath
selector=etree.HTML(html, parser=None, base_url=None)

#提取文本
context=selector.xpath(\'//*[@id=\"useful\"]/li/text()\')
for each in context:
    print each
#结果显示：这是第一条信息
#这是第二条信息
#这是第三条信息




#提取属性
link=selector.xpath(\'//*[@id=\"url\"]/a/@href\')
for each in link:
    print each
#结果显示：http://jikexueyuan.com
#http://jikexueyuan.com/course/



#提取标题
title=selector.xpath(\'//*[@id=\"url\"]/a/@title\')
print title[0]
#结果显示：极客学院课程库
python xpath

上一篇：jieba分词学习笔记（二）

下一篇：Py tricks(1): python实现不可修改的常量

相关内容

热门资讯

500 行 Python 代码... 语法分析器描述了一个句子的语法结构，用来帮助其他的应用进行推理。自然语言引入了很多意外的歧义，以我们...
定时清理删除C:\Progra... C:\Program Files (x86)下面很多scoped_dir开头的文件夹 写个批处理 定...
65536是2的几次方 计算2... 65536是2的16次方：65536=2⁶ 65536是256的2次方：65536=256 6553...
Mobi、epub格式电子书如... 在wps里全局设置里有一个文件关联，打开，勾选电子书文件选项就可以了。
scoped_dir32_70... 一台虚拟机C盘总是莫名奇妙的空间用完，导致很多软件没法再运行。经过仔细检查发现是C:\Program...
pycparser 是一个用... `pycparser` 是一个用 Python 编写的 C 语言解析器。它可以用来解析 C 代码并构...
小程序支付时提示：appid和... [Q]小程序支付时提示：appid和mch_id不匹配 [A]小程序和微信支付没有进行关联，访问“小...
Prometheus+Graf... 一，Prometheus概述 1，什么是Prometheus？Prometheus是最初在Sound...
python绘图库Matplo... 本文简单介绍了Python绘图库Matplotlib的安装，简介如下： matplotlib是pyt...
微信小程序使用slider实现... 众所周知哈，微信小程序里面的音频播放是没有进度条的，但最近有个项目呢，客户要求音频要有进度条控制，所...