大家好,我是辰哥

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')

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!!')

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')

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!!')

欢迎扫码与我交流朋友圈经常有点赞送书,发红包等活动欢迎来围观
- EOF -
推荐阅读  点击标题可跳转1、三行Python代码,实现数据库和excel之间的导入导出!
2、从各大APP年度报告看用户画像——标签,比你更懂你自己
3、【速度收藏】17条好用的Python技巧分享
4、分享几款超好用的 REST API 工具
5、你见过的最全面的Python重点知识总结觉得本文对你有帮助?请分享给更多人
点赞和在看就是最大的支持❤️

四个Python爬虫案例,带你掌握xpath数据解析方法!相关推荐

  1. 一个Python爬虫案例,带你掌握xpath数据解析方法!

    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 ...

  2. Python爬虫案例:结合Matplotlib分析天气数据

    目录 1.案例介绍 2.演示 3.代码 1.案例介绍 本案例爬取中国气象网的天气数据,并用图表工具分析降水数据. 2.演示 3.代码 # 分析天气数据爬虫案例 import requests,matp ...

  3. python爬虫案例-爬取当当网数据

    输入关键字,爬取当当网中商品的基本数据,代码如下: 1 # Author:K 2 import requests 3 from lxml import etree 4 from fake_userag ...

  4. python爬虫简单实例-最简单的Python爬虫案例,看得懂说明你已入门,附赠教程

    原标题:最简单的Python爬虫案例,看得懂说明你已入门,附赠教程 这是最简单的Python爬虫案例,如果你能看懂,那么请你保持信心,因为你已经入门Python爬虫,只要带着信心和努力,你的技术能力在 ...

  5. python爬虫案例-Python爬虫案例集合

    原标题:Python爬虫案例集合 urllib2 urllib2是Python中用来抓取网页的库,urllib2 是 Python2.7 自带的模块(不需要下载,导入即可使用) 在python2.x里 ...

  6. Python 爬虫案例(二)--附件下载

    Python 爬虫案例(二) 此篇文章将爬取的网站是:http://www.warrensburg-mo.com/Bids.aspx (有时候打开不一定会有标书,因为标书实时更新) 类型跟上一篇相似, ...

  7. Python爬虫实战-带你解析不一样的名人名言网站❤️

    1.输入网址 https://quotes.toscrape.com/,进入网站首页,观察网页的结构,我们发现网页的内容很清晰. 主要分为:名人名言,作者,标签三个主要字段,同时三个字段的内容为本次提 ...

  8. python爬虫案例-Python爬取租房数据实例,据说可以入门爬虫的小案例!

    一.什么叫爬虫 爬虫,又名"网络爬虫",就是能够自动访问互联网并将网站内容下载下来的程序.它也是搜索引擎的基础,像百度和GOOGLE都是凭借强大的网络爬虫,来检索海量的互联网信息的 ...

  9. python爬虫案例——百度贴吧数据采集

    全栈工程师开发手册 (作者:栾鹏) python教程全解 python爬虫案例--百度贴吧数据采集 通过python实现百度贴吧页面的内容采集是相对来说比较容易的,因为百度贴吧不需要登陆,不需要coo ...

  10. python爬虫案例——糗事百科数据采集

    全栈工程师开发手册 (作者:栾鹏) python教程全解 python爬虫案例--糗事百科数据采集 通过python实现糗事百科页面的内容采集是相对来说比较容易的,因为糗事百科不需要登陆,不需要coo ...

最新文章

  1. 设计模式入门之原型模式Prototype
  2. 2007年教育学专业基础综合考试大纲
  3. 身为网络安全的,连BlackMatter勒索软件都不知道,说出去丢不丢人啊
  4. SharePoint服务器修改域和机器名
  5. java jsonp_java结合使用Jsonp的例子
  6. 微信无法连接服务器1-502,只有一部iphone x手机,在微信公众号中选择菜单,出现bad gateway 502错误,原因?...
  7. APU(美国AMD公司研发的加速处理器)
  8. 3.认识和操作一下mysql的基本命令
  9. arXiv pdf下载很慢的解决方法
  10. typecho 去掉index.php,Typecho设置伪静态去掉url中的index.php
  11. java 产生随机数_java生成随机数
  12. 无显示器u盘安装centos_无光驱情况下,U盘启动安装CentOS (实测 笔记)
  13. Python3中urllib详细使用方法(header,代理,超时,认证,异常处理)
  14. 项目管理中的里程碑是什么
  15. 手机使用计算机网络,手机使用电脑网络,用手机连接电脑上网
  16. CUDA学习笔记(三)——共享内存
  17. 谷歌文件系统GFS理解
  18. Python 爬虫篇-利用urllib库下载网页中的图片实例演示
  19. 教学|3D建模之,游戏场景创建大致流程
  20. 【C语言】将文本中汉字读入字符数组输出乱码

热门文章

  1. jspstudy 升级mysql_jspstudy+myeclipse 搭建jsp开发环境
  2. linux下增加宋体 仿宋 字体
  3. la4080 Warfare And Logistics 罗列+最短
  4. Java 设计模式 --- Builder模式 Java Builder 模式
  5. js存取cookie以及设置cookie储存时间
  6. 内点法解不等式约束的优化问题
  7. 鸡汤:【转载】超级高效术,让你的人生效率快人10倍
  8. 511遇见易语言列表框去重复项目到列表框
  9. c语言面试题-基本概念
  10. 华为手机 图标消失_华为手机桌面图标不见了怎么办