關于python 使用xpath獲取網頁信息的方法？
1、xpath的使用方法？
? XPath 使用路徑表達式來選取 XML 文檔中的節點或節點集。節點是通過沿著路徑 (path) 或者步 (steps) 來選取的。
常用路徑表達式含義
| 表達式 | 描述 |
|---|---|
| / | 從根節點選?。ㄈ∽庸濣c） |
| // | 選擇的當前節點選擇文檔中的節點 |
| . | 選取當前節點。 |
| … | 選取當前節點的父節點。 |
| @ | 選取屬性 |
| * | 表示任意內容（通配符） |
| | | 運算符可以選取多個路徑 |
常用功能函數
| 函數 | 用法 | 解釋 |
|---|---|---|
| startswith() | xpath(‘//div[starts-with(@id,”ma”)]‘) | #選取id值以ma開頭的div節點 |
| contains() | xpath(‘//div[contains(@id,”ma”)]‘) | #選取id值包含ma的div節點 |
| and() | xpath(‘//div[contains(@id,”ma”) and contains(@id,”in”)]‘) | #選取id值包含ma的div節點 |
| text() | _.xpath('./div/div[4]/a/em/text()') | #選取em標簽下文本內容 |
備注：
1、html中當相同層次存在多個標簽例如div,它們的順序是從1開始，不是0
2、瀏覽器中使用開發者工具可以快速獲取節點信息
2、實例：
#!/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)
# 先獲取一個大的節點，包含了想要獲取的所有信息
ii = html.xpath('//*[@id="J_goodsList"]/ul/li')
for _ in ii:
# 采用循環，依次從大節點中獲取小的節點內容
# ''.join() 將列表中的內容拼接成一個字符串
infoResult = {
# @href 表示：獲取屬性為href的內容
'href': "https:" + _.xpath('./div/div[1]/a/@href')[0],
'title': ''.join(
_.xpath('./div/div[2]/div/ul/li/a/@title')),
# text()表示獲取節點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()
結果圖片：
到此這篇關于python使用xpath獲取頁面元素的使用的文章就介紹到這了,更多相關python xpath獲取頁面元素內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://blog.csdn.net/qq_40267002/article/details/120197707
