【Python爬虫】#14 lxml以及xpath练习

# 一、div标签文本提取

# 将学习视频中xpath.html文件中div标签下文本值

from lxml import etree

file=open('xpath.html','r',encoding='utf-8')

html=file.read()

file.close()

# print(html)

selector=etree.HTML(html)

# print(selector,type(selector))

# div_1=selector.xpath('//ul[@class="title"]/text()')[0].strip()

# div_2=selector.xpath('//ul[@class="xpath_learn"]/text()')[0]

div=selector.xpath('//div/text()')

print(div)

# div1=selector.xpath('//div/text()')[0].strip()  #请问老师此处是否应该用到循环?而不是直接找位置?

# div2=selector.xpath('//div/text()')[3].strip()

# print(div1,div2)

# “第一个div” ,“第二个div” 使用xpath结构化提取并打印输出

div_1=div[0].strip()

div_2=div[3].strip()

print(div_1, div_2)


# 二、ul标签文本提取

# 将xpath.html文件中ul标签下“流程” ,“xpath学习”,“流程2”文本值

# 使用xpath结构化提取并打印输出

ul1=selector.xpath('//ul/text()')[0].strip()

ul2=selector.xpath('//ul/text()')[6].strip()

ul3=selector.xpath('//ul/text()')[8].strip()

print(ul1,ul2,ul3)


# 三、过滤标签

# 将xpath.html文件中的第一个div下的前3个a标签的文本及超链接

# 使用xpath结构化提取,打印输出

infos=selector.xpath('//div[@class="works"][1]/ul[@class="title"][1]/li[position()<4]/a')

for info in infos:

a_text=info.xpath('text()')[0]

a_href=info.xpath('@href')[0]

print(a_text, a_href)


# 四、requests模块和lxml&xpath结合提取数据

# 结合上节课requests模块知识,将阳光电影网导航栏的文本及超链接结构化提取

import requests

url = 'http://www.ygdy8.com/'

headers = {

'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',

'Accept-Encoding':'gzip, deflate',

'Accept-Language':'en-US,en;q=0.8,zh-CN;q=0.6,zh;q=0.4',

'Cache-Control':'max-age=0',

'Connection':'keep-alive',

'Cookie':'37cs_pidx=1; 37cs_user=37cs78691413268; 37cs_show=69; UM_distinctid=15e36b74d82561-042fa83480e0e9-8383667-1fa400-15e36b74d836c6; CNZZDATA5783118=cnzz_eid%3D1135589022-1504151834-%26ntime%3D1504151834; cscpvrich4016_fidx=3',

'Host':'www.ygdy8.com',

'If-Modified-Since':'Wed, 30 Aug 2017 14:38:20 GMT',

'If-None-Match':'"056e49f9d21d31:530"',

'Upgrade-Insecure-Requests':'1',

'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36'

}

req = requests.get(url)

status_code = req.status_code

# print(status_code)

req.encoding = 'gb2312'

html = req.text

#请问此处我们需要从网上request建立到一个html文档,然后再读取吗??

# fp=open(r'C:\Python\Learn\20170813-list\txt\#14 ygdd.html','w',encoding='utf-8')

# fp.write(html)

# fp.close

#

# file=open('ygdd.html','r',encoding='utf-8')

# html=file.read()

# file.close()

# from lxml import etree


selector=etree.HTML(html)

infos=selector.xpath('//li/a')

for info in infos:

    title=info.xpath('text()')

    u1=info.xpath('@href')[0]

    if len(title)>=1:

        print(title, u1)

    else:

        break

最后编辑于
©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 194,319评论 5 459
  • 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 81,801评论 2 371
  • 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 141,567评论 0 319
  • 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 52,156评论 1 263
  • 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 61,019评论 4 355
  • 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 46,090评论 1 272
  • 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 36,500评论 3 381
  • 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 35,192评论 0 253
  • 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 39,474评论 1 290
  • 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 34,566评论 2 309
  • 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 36,338评论 1 326
  • 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 32,212评论 3 312
  • 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 37,572评论 3 298
  • 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 28,890评论 0 17
  • 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 30,169评论 1 250
  • 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 41,478评论 2 341
  • 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 40,661评论 2 335

推荐阅读更多精彩内容