xpath

表达式 描述
nodename    选取此节点的所有子节点。
/   从根节点选取。
//  从匹配选择的当前节点选择文档中的节点,而不考虑它们的位置。
.   选取当前节点。
..  选取当前节点的父节点。
@   选取属性。

小案例

from lxml.html import etree
import requests,re

#http://all.hengyan.com/1/0_0_0_0_0_0_0_0_0_1.aspx
#http://all.hengyan.com/1/0_0_0_0_0_0_0_0_0_2.aspx
#http://all.hengyan.com/1/0_0_0_0_0_0_0_0_0_3.aspx

class HengYanSpider(object):

def __init__(self):
    self.first_url = 'http://all.hengyan.com/1/0_0_0_0_0_0_0_0_0_1.aspx'
    self.default_headers = {
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'
    }

def get_noval_url(self,url=None):
    url = self.first_url if not url else url
    """获取小说详情的url地址"""
    html = self.send_request(url)
    if html:
        #解析数据(获取xpath解析器)
        etree_html = etree.HTML(html)
        print(etree_html)
        noval_urls = etree_html.xpath('//li[@class="bookname"]/a[1]/@href')
        for noval_url in noval_urls:
            print(noval_url)
            self.get_noval_detail(noval_url)

        if '下一页' in html:
            print('22222222222222222222222222222222222222')
            pattern = int(self.extract_first(etree_html.xpath('//span[@class="pageBarCurrentStyle"]/text()')))
            next_page = pattern + 1
            next_url = re.sub('\d+.aspx',str(next_page)+'.aspx',url)
            self.get_noval_url(next_url)
        else:
            print('空')
    else:
        print('数据获取失败')

def get_noval_detail(self,noval_url):
    """获取书籍详情的页面内容,解析数据"""
    html = self.send_request(noval_url)
    if html:
        # 解析数据(获取xpath解析器)
        etree_html = etree.HTML(html)
        # print('得到了详情页面')
        noval_dict = {}
        #书号
        book_id = self.extract_first(etree_html.xpath('//div[@class="dh"]/p/label/text()'))
        noval_dict['book_id'] = re.search('\d+',book_id).group()
        #热度
        noval_dict['hot'] = self.extract_first(etree_html.xpath('//p[@class="wendu"]/b/text()'))
        #火车票
        noval_dict['hot_track'] = self.extract_first(etree_html.xpath('//div[@class="piao"]/p[2]/span[@class="huocolor"]/text()'))
        #冰票
        noval_dict['bing_track'] = self.extract_first(etree_html.xpath('//div[@class="piao"]/p[2]/span[@class="bingcolor"]/text()'))
        #金笔
        noval_dict['jingbi'] = self.extract_first(etree_html.xpath('//div[@class="jinbi"]//li[1]/p[2]/text()'))
        #标题
        noval_dict['title'] = self.extract_first(etree_html.xpath('//h2/text()'))
        #简介
        noval_dict['content'] = self.extract_first(etree_html.xpath('//p[@class="intro ih1"]/text()|//p[@class="intro ih2"]/text()')).replace('\u3000','')
        #作者
        noval_dict['author'] = self.extract_first(etree_html.xpath('//div[@id="ainfo"]/p/span/a[2]/text()'))

        print(noval_dict)
        # print(len(noval_dict))

        self.save_data(noval_dict)


def save_data(self,noval_dict):
    """保存数据"""
    pass

def extract_first(self,data,default=''):
    if len(data) > 0:
        return data[0]
    return default

def send_request(self,url,header=None,data=None,method="GET"):
    """发送请求"""
    header = self.default_headers if not header else header


    if method == 'GET':
        #发送get请求
        response = requests.get(url=url,params=data,headers=header)
    else:
        #发送post请求
        response = requests.post(url=url, data=data, headers=header)

    if response.status_code == 200:
        #请求成功,返回页面源码
        return response.text


if __name__ == '__main__':

spider = HengYanSpider()
spider.get_noval_url()  
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,919评论 6 502
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,567评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,316评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,294评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,318评论 6 390
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,245评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,120评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,964评论 0 275
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,376评论 1 313
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,592评论 2 333
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,764评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,460评论 5 344
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,070评论 3 327
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,697评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,846评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,819评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,665评论 2 354

推荐阅读更多精彩内容