当前位置:   article > 正文

四个Python爬虫案例,带你掌握xpath数据解析方法!_python 爬虫 解析文档

python 爬虫 解析文档

文章目录

  • xpath基本概念

  • xpath解析原理

  • 环境安装

  • 如何实例化一个etree对象:

  • xpath(‘xpath表达式’)

  • xpath爬取58二手房实例

  • 爬取网址

  • 完整代码

  • 效果图

  • xpath图片解析下载实例

  • 爬取网址

  • 完整代码

  • 效果图

  • xpath爬取全国城市名称实例

  • 爬取网址

  • 完整代码

  • 效果图

  • xpath爬取简历模板实例

  • 爬取网址

  • 完整代码

  • 效果图

xpath基本概念

xpath解析:最常用且最便捷高效的一种解析方式。通用性强。

xpath解析原理

1.实例化一个etree的对象,且需要将被解析的页面源码数据加载到该对象中

2.调用etree对象中的xpath方法结合xpath表达式实现标签的定位和内容的捕获。

环境安装

pip install lxml
  • 1

如何实例化一个etree对象:

from lxml import etree
  • 1

1.将本地的html文件中的远吗数据加载到etree对象中:

etree.parse(filePath)
  • 1

2.可以将从互联网上获取的原码数据加载到该对象中:

etree.HTML(‘page_text’)
  • 1

xpath(‘xpath表达式’)

  • /:表示的是从根节点开始定位。表示一个层级

  • //:表示多个层级。可以表示从任意位置开始定位

  • 属性定位://div[@class=‘song’] tag[@attrName=‘attrValue’]

  • 索引定位://div[@class=‘song’]/p[3] 索引从1开始的

  • 取文本:

  • /text()获取的是标签中直系的文本内容

  • //text()标签中非直系的文本内容(所有文本内容)

  • 取属性:/@attrName ==>img/src

xpath爬取58二手房实例

爬取网址

https://xa.58.com/ershoufang/完整代码

from lxml import etree  
import requests  
  
if __name__ == '__main__':  
    headers = {  
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36'  
    }  
    url = 'https://xa.58.com/ershoufang/'  
    page_text = requests.get(url=url,headers=headers).text  
    tree = etree.HTML(page_text)  
    div_list = tree.xpath('//section[@class="list"]/div')  
    fp = open('./58同城二手房.txt','w',encoding='utf-8')  
    for div in div_list:  
        title = div.xpath('.//div[@class="property-content-title"]/h3/text()')[0]  
        print(title)  
        fp.write(title+'\n'+'\n')
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16

xpath图片解析下载实例

爬取网址

https://pic.netbian.com/4kmeinv/完整代码

import requests,os  
from lxml import etree  
  
if __name__ == '__main__':  
    headers = {  
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36'  
    }  
    url = 'https://pic.netbian.com/4kmeinv/'  
    page_text = requests.get(url=url,headers=headers).text  
    tree = etree.HTML(page_text)  
    li_list = tree.xpath('//div[@class="slist"]/ul/li/a')  
    if not os.path.exists('./piclibs'):  
        os.mkdir('./piclibs')  
    for li in li_list:  
        detail_url ='https://pic.netbian.com' + li.xpath('./img/@src')[0]  
        detail_name = li.xpath('./img/@alt')[0]+'.jpg'  
        detail_name = detail_name.encode('iso-8859-1').decode('GBK')  
        detail_path = './piclibs/' + detail_name  
        detail_data = requests.get(url=detail_url, headers=headers).content  
        with open(detail_path,'wb') as fp:  
            fp.write(detail_data)  
            print(detail_name,'seccess!!')
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22

xpath爬取全国城市名称实例

爬取网址

https://www.aqistudy.cn/historydata/完整代码

import requests  
from lxml import etree  
  
if __name__ == '__main__':  
    url = 'https://www.aqistudy.cn/historydata/'  
    headers = {  
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36',  
    }  
    page_text = requests.get(url=url,headers=headers).content.decode('utf-8')  
    tree = etree.HTML(page_text)  
    #热门城市   //div[@class="bottom"]/ul/li  
    #全部城市   //div[@class="bottom"]/ul/div[2]/li  
    a_list = tree.xpath('//div[@class="bottom"]/ul/li | //div[@class="bottom"]/ul/div[2]/li')  
    fp = open('./citys.txt','w',encoding='utf-8')  
    i = 0  
    for a in a_list:  
        city_name = a.xpath('.//a/text()')[0]  
        fp.write(city_name+'\t')  
        i=i+1  
        if i == 6:  
            i = 0  
            fp.write('\n')  
    print('爬取成功')
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23

xpath爬取简历模板实例

爬取网址

https://sc.chinaz.com/jianli/free.html完整代码

import requests,os  
from lxml import etree  
  
if __name__ == '__main__':  
    url = 'https://sc.chinaz.com/jianli/free.html'  
    headers = {  
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36',  
    }  
    page_text = requests.get(url=url,headers=headers).content.decode('utf-8')  
    tree = etree.HTML(page_text)  
    a_list = tree.xpath('//div[@class="box col3 ws_block"]/a')  
    if not os.path.exists('./简历模板'):  
        os.mkdir('./简历模板')  
    for a in a_list:  
        detail_url = 'https:'+a.xpath('./@href')[0]  
        detail_page_text = requests.get(url=detail_url,headers=headers).content.decode('utf-8')  
        detail_tree = etree.HTML(detail_page_text)  
        detail_a_list = detail_tree.xpath('//div[@class="clearfix mt20 downlist"]/ul/li[1]/a')  
        for a in detail_a_list:  
            download_name = detail_tree.xpath('//div[@class="ppt_tit clearfix"]/h1/text()')[0]  
            download_url = a.xpath('./@href')[0]  
            download_data = requests.get(url=download_url,headers=headers).content  
            download_path = './简历模板/'+download_name+'.rar'  
            with open(download_path,'wb') as fp:  
                fp.write(download_data)  
                print(download_name,'success!!')
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26



  

  • 1
  • 2
  • 3
  • 4

以上就是“四个Python爬虫案例,带你掌握xpath数据解析方法!”的全部内容,希望对你有所帮助。

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

一、Python所有方向的学习路线

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。

在这里插入图片描述

二、Python必备开发工具

img

三、Python视频合集

观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

img

四、实战案例

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

img

五、Python练习题

检查学习结果。

img

六、面试资料

我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。

img

最后祝大家天天进步!!

上面这份完整版的Python全套学习资料已经上传至CSDN官方,朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/代码探险家/article/detail/824765
推荐阅读
相关标签
  

闽ICP备14008679号