python爬虫lxml库解析xpath网页过程示例
前言
在我们抓取网页内容的时候，通常是抓取一整个页面的内容，而我们仅仅只是需要该网页中的部分内容，那该如何去提取呢？本章就带你学习xpath插件的使用。去对网页的内容进行提取。
（一）xpath是什么
xpath是一门在XML文档中查找信息的语言，xpath可用来在XML 文档中对元素和属性进行遍历，主流的浏览器都支持xpath，因为html页面在DOM中表示为XHTML文档。
xpath语言是基于XML文档的树结构，并提供了浏览树的能力，通过多样的标准来选择节点。从而找到我们想要的数据。
首先我们需要在chrome浏览器中安装xpath插件。
可以到谷歌应用商店搜索下载。
安装好之后重启浏览器按下快捷键Ctrl +Shift+X网页上会出现黑色的框就表示成功啦！
（二）xpath的基本语法 路径查询。
// : 查找所有子孙节点，不考虑层级关系
/ : 找直接子节点
谓词查询
//div[@id]
//div[@id=“maincontent”]
属性查询
//@class
模糊查询
//div[contains(@id, “he”)]
//div[starts -with(@id, “he”)]
内容查询
//div/h1/text()
（三） lxml库
lxml是python的一个解析库，支持HTML和XML的解析，支持XPath解析方式，而且解析效率非常高。
在使用前我们需要在pycharm里安装lxml库。
在终端输入指令即可：
pip install lxml -i https://pypi.douban.com/simple
注意：必须安装在我们当前所使用的环境下
（四）lxml库的使用 导入lxml.etree
from lxml import etree
解析本地文件
tree = etree.parse(xxx.html) #解析本地文件
解析服务器响应文件
tree = etree.HTML(content) #解析网页文件
返回结果
result = tree.xpath('//div/div/@aria-label')[0]注：xpath返回的结果类型为列表，当结果有许多值时我们可以使用下标来取我们想要的值。
（五）实例演示
import urllib.request
from lxml import etree
import urllib.parse
url ='https://www.baidu.com/s?'
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/98.0.4758.102 Safari/537.36'
}
cre_data = {
'wd' : '这里写关键词'
}
data = urllib.parse.urlencode(cre_data)
url = url + data
request = urllib.request.Request(url = url , headers = headers )
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')
print(content)
# tree = etree.parse(xxx.html) #解析本地文件
tree = etree.HTML(content) #解析网页文件
result = tree.xpath('//div/div/@aria-label')[0]
print(result)
以上就是python爬虫lxml库解析xpath网页过程示例的详细内容，更多关于python爬虫lxml库解析xpath网页的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了Python爬虫定时计划任务的几种常见方法,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-01-01
这篇文章主要为大家详细介绍了Python图画调用工具包实现发送邮件服务的功能，文中的示例代码讲解详细，感兴趣的小伙伴可以跟随小编一起学习一下2023-05-05
下面小编就为大家分享一篇Python发送http请求解析返回json的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-03-03
这篇文章主要介绍了django最快程序开发流程详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-07-07
关于Python Tkinter Button控件command传参问题的解决方式
这篇文章主要介绍了关于Python Tkinter Button控件command传参问题的解决方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-03-03
这篇文章主要为大家介绍了pytorch中Parameter函数用法，并用详细的代码示例进行演示详解，有需要的朋友可以借鉴参考下，希望能够有所帮助2022-01-01
今天小编就为大家分享一篇python 输出所有大小写字母的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-01-01
验证码通常是为了区分用户是人还是计算机，也可以防止解开密码等恶意行为，而客户端上多数会用在关键操作上。现在验证码的种类样式也特别多，本文主要介绍了如何用Python和KgCaptcha做出验证码功能，需要的可以参考一下2023-04-04
这篇文章主要介绍了Python制作微信好友背景墙教程（附完整代码）,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-07-07
这篇文章主要介绍了python变量与内存用法,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-06-06
最新评论