python使用xpath獲取頁面元素的使用

Posted on by

關於python 使用xpath獲取網頁信息的方法？

1、xpath的使用方法？

​ XPath 使用路徑表達式來選取 XML 文檔中的節點或節點集。節點是通過沿著路徑 (path) 或者步 (steps) 來選取的。

常用路徑表達式含義

表達式 描述
/ 從根節點選取（取子節點）
// 選擇的當前節點選擇文檔中的節點
. 選取當前節點。
… 選取當前節點的父節點。
@ 選取屬性
* 表示任意內容（通配符）
| 運算符可以選取多個路徑

常用功能函數

函數 用法 解釋
startswith() xpath(‘//div[starts-with(@id,”ma”)]‘) #選取id值以ma開頭的div節點
contains() xpath(‘//div[contains(@id,”ma”)]‘) #選取id值包含ma的div節點
and() xpath(‘//div[contains(@id,”ma”) and contains(@id,”in”)]‘) #選取id值包含ma的div節點
text() _.xpath(‘./div/div[4]/a/em/text()’) #選取em標簽下文本內容

備註：

1、html中當相同層次存在多個標簽例如div,它們的順序是從1開始，不是0
2、瀏覽器中使用開發者工具可以快速獲取節點信息

在這裡插入圖片描述

2、實例：

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# @Time    : 2021/9/7 9:35
# @Author  : Sun
# @Email   : [email protected]
# @File    : sun_test.py
# @Software: PyCharm


import requests
from lxml import etree


def get_web_content():
    try:
        url = "htpps://***keyword=%E6%97%A0%E9%92%A2%E5%9C%88&wq=%E6%97%A0%E"
  "9%92%A2%E5%9C%88&ev=1_68131%5E&pvid=afbf41410b164c1b91d"
        "abdf18ae8ab5c&page=5&s=116&click=0 "
        header = {
            "user-agent": "Mozilla/5.0 (Windows NT 10.0; WOW64)"
            "AppleWebKit/537.36 (KHTML, like Gecko) "
                          "Chrome/75.0.3770.100 Safari/537.36 "}
        response = requests.request(method="Get", url=url, headers=header)
        result = response.text
        return result
    except TimeoutError as e:
        return None


def parsing():
    result = get_web_content()
    if result is not None:
        html = etree.HTML(result)
        # 先獲取一個大的節點，包含瞭想要獲取的所有信息
        ii = html.xpath('//*[@id="J_goodsList"]/ul/li')
       
        for _ in ii:
        # 采用循環，依次從大節點中獲取小的節點內容
            # ''.join() 將列表中的內容拼接成一個字符串
            infoResult = {
            	# @href 表示：獲取屬性為href的內容
                'href': "https:" + _.xpath('./div/div[1]/a/@href')[0],
                'title': ''.join(
                        _.xpath('./div/div[2]/div/ul/li/a/@title')),
                # text()表示獲取節點i裡面的文本信息
                'price': _.xpath('./div/div[3]/strong/i/text()')[0],
                'info': ''.join(
                        _.xpath('./div/div[4]/a/em/text()')).strip(),
                'province': _.xpath('./div/div[9]/@data-province')[0]}
            print(infoResult)
    else:
        raise Exception("Failed to get page information, please check！")
    
    return None


if __name__ == '__main__':
    parsing()

結果圖片：

在這裡插入圖片描述

到此這篇關於python使用xpath獲取頁面元素的使用的文章就介紹到這瞭,更多相關python xpath獲取頁面元素內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：