• 爬虫08-xpath语法练习


    from  lxml import  etree
    parser=etree.HTMLParser(encoding="utf-8")
    html=etree.parse("test.html",parser=parser)
    html2=etree.parse("lagou.html",parser=parser)
    #html.xpath返回的是列表,大概率都是一个元素的标签
    
    # 1.提取所有tr标签
    # trs=html.xpath("//tr")
    # for tr in trs:
    #     print(etree.tostring(tr,encoding="utf-8").decode("utf-8"))
    
    #2.提取第二个tr标签
    # tr=html.xpath("//tr[1]")[0]
    # print(etree.tostring(tr,encoding="utf-8").decode("utf-8"))
    
    #3.提取table下border为1px的标签
    # border=html.xpath("//table[@border='2px']")[0]
    # print(etree.tostring(border,encoding="utf-8").decode("utf-8"))
    
    #4.获取a标签下href的值
    # aList=html2.xpath("//a/@href")
    # for a in aList:
    #     print(a)
    
    #5.获取所有的标签内信息
    trs=html.xpath("//tr[position()>1]")
    positions=[]
    for tr in trs:
        herf=tr.xpath(".//a/@href")#.//是在当前位置下找元素,//是全文件
        text=tr.xpath("./td[1]//text()")#tr下第一个td里面的text
        lan=tr.xpath("./td[2]//text()")
        price=tr.xpath("./td[3]//text()")
        num=tr.xpath("./td[4]//text()")
        name=tr.xpath("./td[5]//text()")
      #  alltext=tr.xpath("./td//text()")#第一个tr下所有td下的text
    
        position={
            "herf":herf,
            "text":text,
            "language":lan,
            "price":price,
            "num":num,
            "name":name
        }
        false={'herf': [], 'text': [], 'language': [], 'price': [], 'num': [], 'name': []}
        if position != false:
            positions.append(position)
    
    print(positions)
    

      

  • 相关阅读:
    LINK : fatal error LNK1123: 转换到 COFF 期间失败: 文件无效或损坏
    RTSP可用网络流
    Linux访问Github缓慢
    Ubu18.0-NVIDIA显卡驱动重装
    FFMPEG第一次学习
    QT-守护程序
    QT-局域网探测工具(简易版)--Ping
    QT-notepad++仿写
    Ubuntu 解压文件
    Ubuntu -换源
  • 原文地址:https://www.cnblogs.com/wcyMiracle/p/12464907.html
Copyright © 2020-2023  润新知