一个Python爬虫案例,带你掌握xpath数据解析方法!
创始人
2024-02-12 03:16:05
0

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

如何实例化一个etree对象:

from lxml import etree

1.将本地的html文件中的远吗数据加载到etree对象中:

etree.parse(filePath)

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’)

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 requestsif __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).texttree = 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')

在这里插入图片描述
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 etreeif __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).texttree = 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_namedetail_data = requests.get(url=detail_url, headers=headers).contentwith open(detail_path,'wb') as fp:fp.write(detail_data)print(detail_name,'seccess!!')

在这里插入图片描述
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 etreeif __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]/lia_list = tree.xpath('//div[@class="bottom"]/ul/li | //div[@class="bottom"]/ul/div[2]/li')fp = open('./citys.txt','w',encoding='utf-8')i = 0for a in a_list:city_name = a.xpath('.//a/text()')[0]fp.write(city_name+'\t')i=i+1if i == 6:i = 0fp.write('\n')print('爬取成功')

在这里插入图片描述

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 etreeif __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).contentdownload_path = './简历模板/'+download_name+'.rar'with open(download_path,'wb') as fp:fp.write(download_data)print(download_name,'success!!')

在这里插入图片描述
最后我自己整理了一些学习资料,都是别人分享给我的,希望对你们有帮助。
朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。

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

在这里插入图片描述

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。
在这里插入图片描述

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。在这里插入图片描述

五、Python练习题

检查学习结果。
在这里插入图片描述

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。
在这里插入图片描述
在这里插入图片描述
最后,千万别辜负自己当时开始的一腔热血,一起变强大变优秀。

相关内容

热门资讯

喜欢穿一身黑的男生性格(喜欢穿... 今天百科达人给各位分享喜欢穿一身黑的男生性格的知识,其中也会对喜欢穿一身黑衣服的男人人好相处吗进行解...
发春是什么意思(思春和发春是什... 本篇文章极速百科给大家谈谈发春是什么意思,以及思春和发春是什么意思对应的知识点,希望对各位有所帮助,...
网络用语zl是什么意思(zl是... 今天给各位分享网络用语zl是什么意思的知识,其中也会对zl是啥意思是什么网络用语进行解释,如果能碰巧...
为什么酷狗音乐自己唱的歌不能下... 本篇文章极速百科小编给大家谈谈为什么酷狗音乐自己唱的歌不能下载到本地?,以及为什么酷狗下载的歌曲不是...
华为下载未安装的文件去哪找(华... 今天百科达人给各位分享华为下载未安装的文件去哪找的知识,其中也会对华为下载未安装的文件去哪找到进行解...
家里可以做假山养金鱼吗(假山能... 今天百科达人给各位分享家里可以做假山养金鱼吗的知识,其中也会对假山能放鱼缸里吗进行解释,如果能碰巧解...
四分五裂是什么生肖什么动物(四... 本篇文章极速百科小编给大家谈谈四分五裂是什么生肖什么动物,以及四分五裂打一生肖是什么对应的知识点,希...
怎么往应用助手里添加应用(应用... 今天百科达人给各位分享怎么往应用助手里添加应用的知识,其中也会对应用助手怎么添加微信进行解释,如果能...
客厅放八骏马摆件可以吗(家里摆... 今天给各位分享客厅放八骏马摆件可以吗的知识,其中也会对家里摆八骏马摆件好吗进行解释,如果能碰巧解决你...
美团联名卡审核成功待激活(美团... 今天百科达人给各位分享美团联名卡审核成功待激活的知识,其中也会对美团联名卡审核未通过进行解释,如果能...