Python爬虫-利用xpath解析爬取58二手房详细信息
Posted 汤米先生
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python爬虫-利用xpath解析爬取58二手房详细信息相关的知识,希望对你有一定的参考价值。
前言
简单的Python练习,对页面中的某些部分的文字进行爬取
介绍
xpath解析: 最常用且最便捷高效的一种解析方式。通用型。
-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。
- 1. 调用etree对象中的xpath方法结合着xpath表达式实现标签的定位和内容的捕获。
环境的安装:
- pip install lxml
-如何实例化一个entree对象:from lxml import etree
- 1. 将本地的html文档中的源码数据加载到etree对象中:
etree.parse(filePath)
- 2. 可以将从互联网上获取的源码数据加载到该对象中
etree.HTML('page_text')
-xpath('xpath表达式')
-xpath表达式:
- /:表示的是从一个根节点开始定位,表示一个层级。
- //:表示的是多个层级,可以从任意位置开始定位。
- 属性定位://div[@class='song'] tag[@attrName='attrValue']
- 索引定位://div[@calss+'song']/p[3] 索引是从1开始的。
- 取文本:
- /text() 获取的是标签中的直系文本内容
- //text() 获取的标签中的非直系的文本内容(所有的文本内容)
- 取属性:
/@attrName ==>img/src
代码
import requests
from lxml import html
etree = html.etree
headers ={
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36 Edg/92.0.902.55'
}
url ='https://shangshui.58.com/ershoufang/?'
page_text = requests.get(url=url,headers=headers).text
#print(page_text)
tree = etree.HTML(page_text)
li_list = tree.xpath('//section[@class="list"][1]/div')
# print(li_list)
fp = open('58.txt','w',encoding='utf-8')
for li in li_list:
title = li.xpath('./a//div[@class="property-content-detail"]//text()')
price= li.xpath('./a//div[@class="property-price"]//text()')
# print(price)
titles=''
prices=''
for i in range(len(title)):
if title[i]!=', ' and title[i]!=' ':
titles += title[i].strip()
titles += " "
i+=1
for j in range(len(price)):
if price[j]!=', ' and price[j]!=' ':
prices +=price[j].strip()
prices +=" "
j+=1
titles_and_prices= titles+prices+'。\\n'
fp.write(titles_and_prices)
print(titles_and_prices)
运行结果截图
以上是关于Python爬虫-利用xpath解析爬取58二手房详细信息的主要内容,如果未能解决你的问题,请参考以下文章
xpath案例 爬取58出租房源信息&解析下载图片数据&乱码问题
Python开发爬虫之BeautifulSoup解析网页篇:爬取安居客网站上北京二手房数据
进一步了解XPath(利用XPath爬取飞哥的博客)python爬虫入门进阶(04)