Python 爬蟲 —— 網頁內容解析(lxml)

0. xpath 語法

  • 找到全部 <img src=....> 圖像的連接:html

    xpath = './/img/@src'
    img_urls = html.xpath(xpath)
    • @修飾節點的屬性;

1. lxml

from lxml import etree
  • etree 下的 HTML 對象,其構造函數接受 requests.request 的返回值對象:python

    url = ...
    user_agent = ...
    headers = {'User-Agent' : user_agent}
    req = requests.request(url=url, headers=headers)
    
    html = etree.HTML(req.text)

2. 方法

xpath定位中starts-with、contains和text()的用法函數

  • starts-with
    • //input[starts-with(@name, ‘name1’)]:查找name屬性中開始位置包含’name1’關鍵字的 input 元素
  • contains
    • //input[contains(@name,’na’)] 查找name屬性中包含na關鍵字的input元素
  • text()
    • 百度搜索
    • xpath寫法爲 //a[text()=’百度搜索’] ,//a[contains(text(),」百度搜索」)]
相關文章
相關標籤/搜索