欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python使用XPath解析数据爬取起点小说网数据

程序员文章站 2022-04-03 18:48:51
1. xpath 的介绍xpath是一门在xml文档中查找信息的语言优点: 可以在xml中找信息 支持html的查找 可以通过元素和属性进行导航 但是xpath需要依赖xml的...

1. xpath 的介绍

xpath是一门在xml文档中查找信息的语言

优点:

  • 可以在xml中找信息
  • 支持html的查找
  • 可以通过元素和属性进行导航

但是xpath需要依赖xml的库,所以我们需要去安装lxml的库。

安装lxml库

我们先要安装lxml的库,直接在pycharm里安装即可:

python使用XPath解析数据爬取起点小说网数据

xml的树形结构:

python使用XPath解析数据爬取起点小说网数据

元素-元素-属性-文本

使用xpath选取节点:

  • nodename: 选取此节点的所有节点
  • /从根节点选择
  • // 从匹配选择的当前节点选择文档中的节点,而不考虑他们的位置
  • . 选择当前节点
  • .. 选择当前节点的父节点(此处是两个点,浏览器默认显示3个..)
  • /text() 获取当前路径下的文本内容
  • /@xxx 提取当前路径下标签的属性值

选取节点的表达式举例:

python使用XPath解析数据爬取起点小说网数据

2. 爬取起点小说网

在浏览器中获取书名和作者测试

在谷歌里安装一个xpath的插件

python使用XPath解析数据爬取起点小说网数据

在html中查找book-mid-info

python使用XPath解析数据爬取起点小说网数据

我们要获取小说的名称: 也就是 //div[@class='book-mid-info']/h4/a/txt()

python使用XPath解析数据爬取起点小说网数据

再加一个获取作者:

python使用XPath解析数据爬取起点小说网数据

使用xpath获取起点小说网的数据

# 作者:互联网老辛
# 开发时间:2021/4/8/0008 8:24

import requests
from lxml import etree
url="https://www.qidian.com/rank/yuepiao"
headers={'user-agent':'mozilla/5.0 (windows nt 10.0; wow64) applewebkit/537.36 (khtml, like gecko) chrome/70.0.3538.25 safari/537.36 core/1.70.3861.400 qqbrowser/10.7.4313.400'}
#发送请求
resp=requests.get(url,headers)
e=etree.html(resp.text) #类型转换,把str转变为class 'lxml.etree._element
print(type(e))
names=e.xpath('//div[@class="book-mid-info"]/h4/a/text()')
authors=e.xpath('//p[@class="author"]/a[1]/text()')
print(names)
print(authors)
#名称和作者对应
for name,authors in zip(names,authors):
    print(name,":",authors)

以上就是python使用xpath解析数据爬取起点小说网数据的详细内容,更多关于python xpath解析数据爬取起点小说网的资料请关注其它相关文章!