xpath实战

Posted sunflying

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xpath实战相关的知识,希望对你有一定的参考价值。

#  1、爬取58二手房信息
import
requests from lxml import etree #需求:爬取58二手房中的房源信息 if __name__ == __main__: #爬取到页面源码数据 url ="https://bj.58.com/ershoufang/" # 进行UA伪装 headers = { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:77.0) Gecko/20100101 Firefox/77.0 } page_text = requests.get(url = url,headers=headers).text # 数据解析 tree = etree.html(page_text) # 存储的是li标签对象 li_list = tree.xpath(//ul[@class="houst-list-wrap"]/li) fp = open(58.txt,w,encoding=utf-8) for li in li_list: # ./ 就代表li #局部解析 一个要加上. title = li.xpath(./div[2]/h2/a/text())[0] print(title,over) fp.write(title, )
2、解析下载图片信息  http://pic.netbian.com/4kmeinv/
解决乱码的两种方法:
#1、response.encoding = ‘utf-8‘
#2、通用的处理中文乱码的解决方案
   img_name = img_name.encode(‘iso-8859-1‘).decode(‘gbk‘)
import  requests
from lxml import etree
import os
#需求:爬取58二手房中的房源信息
if __name__ == __main__:
    #爬取到页面源码数据
    url ="http://pic.netbian.com/4kmeinv/"
    # 进行UA伪装
    headers = {
        User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:77.0) Gecko/20100101 Firefox/77.0
    }
    response = requests.get(url =url,headers = headers)
    #response.encoding = ‘utf-8‘
    page_text = response.text

    #数据解析:src的属性值  alt属性
    tree = etree.HTML(page_text)
    li_list = tree.xpath(//div[@class="slist"]/ul/li)
    if not os.path.exists(./piclibs):
        os.mkdir(./piclibs)
    for li in li_list:
        img_src = http://pic.netbian.com+li.xpath(./a/img/@src)[0]
        img_name = li.xpath(./a/img/@alt)[0]+.jpg
        #通用的处理中文乱码的解决方案
        img_name = img_name.encode(iso-8859-1).decode(gbk)
        #print(img_name,img_src)
        #请求图片数据进行持久化存储
        img_data = requests.get(url=img_src,headers = headers).content
        img_path = piclibs/+img_name
        with open(img_path,wb) as fp:
            fp.write(img_data)
            print(img_name,下载成功!!!)
3、全国城市 历史检测数据 https://www.aqistudy.cn/historydata/
import  requests
from lxml import etree
import os
#需求:解析出所有城市名称
if __name__ == __main__:
    #爬取到页面源码数据
    url ="https://www.aqistudy.cn/historydata/"
    # 进行UA伪装
    headers = {
        User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:77.0) Gecko/20100101 Firefox/77.0
    }
    page_text = requests.get(url =url,headers = headers).text
    tree = etree.HTML(page_text)
    #解析热门城市和所有城市对应的a标签
    # div[@class="bottom"]/ul/li/a  热门城市a标签的层级关系
    # div[@class="bottom"]/ul/div[2]/li/a  全部城市a标签的层级关系
    all_city_names = []
    a_list = tree.xpath(//div[@class="bottom"]/ul/li/a | //div[@class="bottom"]/ul/div[2]/li/a)
    for a in a_list:
        city_name = a.xpath(./text())[0]
        all_city_names.append(city_name)
    print(all_city_names,len(all_city_names))

4、获取简历   sc.chinaz.com  免费简历

以上是关于xpath实战的主要内容,如果未能解决你的问题,请参考以下文章

Selenium2+Python3.6实战:定位下拉菜单出错,如何解决?用select或xpath定位。

5.网络爬虫——Xpath解析

Xpath进阶操作内含多个实战讲解

xPath基本语法规则-Java网络爬虫系统性学习与实战系列

xPath基本语法规则-Java网络爬虫系统性学习与实战系列

UI自动化定位利器-xpath实战