python使用xpath获取页面元素的使用
作者:Sun@Python 时间:2021-04-30 10:32:09
关于python 使用xpath获取网页信息的方法?
1、xpath的使用方法?
XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。
常用路径表达式含义
表达式 | 描述 |
---|---|
/ | 从根节点选取(取子节点) |
// | 选择的当前节点选择文档中的节点 |
. | 选取当前节点。 |
… | 选取当前节点的父节点。 |
@ | 选取属性 |
* | 表示任意内容(通配符) |
| | 运算符可以选取多个路径 |
常用功能函数
函数 | 用法 | 解释 |
---|---|---|
startswith() | xpath(‘//div[starts-with(@id,”ma”)]‘) | #选取id值以ma开头的div节点 |
contains() | xpath(‘//div[contains(@id,”ma”)]‘) | #选取id值包含ma的div节点 |
and() | xpath(‘//div[contains(@id,”ma”) and contains(@id,”in”)]‘) | #选取id值包含ma的div节点 |
text() | _.xpath('./div/div[4]/a/em/text()') | #选取em标签下文本内容 |
备注:
1、html中当相同层次存在多个标签例如div,它们的顺序是从1开始,不是0
2、浏览器中使用开发者工具可以快速获取节点信息
2、实例:
#!/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)
# 先获取一个大的节点,包含了想要获取的所有信息
ii = html.xpath('//*[@id="J_goodsList"]/ul/li')
for _ in ii:
# 采用循环,依次从大节点中获取小的节点内容
# ''.join() 将列表中的内容拼接成一个字符串
infoResult = {
# @href 表示:获取属性为href的内容
'href': "https:" + _.xpath('./div/div[1]/a/@href')[0],
'title': ''.join(
_.xpath('./div/div[2]/div/ul/li/a/@title')),
# text()表示获取节点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()
结果图片:
来源:https://blog.csdn.net/qq_40267002/article/details/120197707
标签:python,xpath,获取,元素


猜你喜欢
SESSION存放在数据库用法实例
2024-05-11 10:09:56
利用JavaScript做数独的完整实现过程
2024-02-24 02:10:47

怎样缩小SQL Server数据库的日志文件
2009-01-15 13:08:00
python使用matplotlib库生成随机漫步图
2021-03-01 15:11:37

security.js实现的RSA加密功能示例
2024-04-08 10:54:12
Python的10道简单测试题(含答案)
2021-12-28 03:57:24
opencv-python+yolov3实现目标检测
2022-01-18 06:45:17

Python协程实践分享
2023-09-01 05:50:51

layui实现下拉复选功能的例子(包括数据的回显与上传)
2024-02-24 17:37:10
基于python3实现倒叙字符串
2023-02-02 17:41:28

python魔法方法-自定义序列详解
2022-10-08 08:56:12

python实现文本界面网络聊天室
2022-04-13 19:43:54

html静态页面调用php文件的方法
2023-09-04 23:18:21
利用Python读取Excel表内容的详细过程
2022-10-24 05:43:33

python进阶教程之异常处理
2023-10-14 23:04:17
把网页中的电话号码生成图片的ASP程序
2008-11-07 16:12:00
非常简单的Python识别图片验证码实现过程
2022-01-23 02:03:54

Python 获取当前路径3种方法
2023-04-15 00:03:24

BootStrap3学习笔记(一)之网格系统
2024-04-29 13:43:48

Go语言学习技巧之如何合理使用Pool
2024-02-05 08:04:47