python使用XPath解析数据爬取起点小说网数据

时间:2022-09-18 08:58:44

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

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# 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服务器之家其它相关文章!

原文链接:https://juejin.cn/post/6953179886403977252