python使用XPath解析數(shù)據(jù)爬取起點(diǎn)小說網(wǎng)數(shù)據(jù)

1. xpath 的介紹

xpath是一門在XML文檔中查找信息的語言

優(yōu)點(diǎn)：

• 可以在xml中找信息
• 支持HTML的查找
• 可以通過元素和屬性進(jìn)行導(dǎo)航
  

但是Xpath需要依賴xml的庫，所以我們需要去安裝lxml的庫。

安裝lxml庫

我們先要安裝lxml的庫，直接在pycharm里安裝即可：

XML的樹形結(jié)構(gòu)：

元素-元素-屬性-文本

使用XPath選取節(jié)點(diǎn)：

• nodename: 選取此節(jié)點(diǎn)的所有節(jié)點(diǎn)
• /從根節(jié)點(diǎn)選擇
• // 從匹配選擇的當(dāng)前節(jié)點(diǎn)選擇文檔中的節(jié)點(diǎn)，而不考慮他們的位置
• . 選擇當(dāng)前節(jié)點(diǎn)
• .. 選擇當(dāng)前節(jié)點(diǎn)的父節(jié)點(diǎn)（此處是兩個(gè)點(diǎn)，瀏覽器默認(rèn)顯示3個(gè)..）
• /text() 獲取當(dāng)前路徑下的文本內(nèi)容
• /@xxx 提取當(dāng)前路徑下標(biāo)簽的屬性值
  

選取節(jié)點(diǎn)的表達(dá)式舉例：

2. 爬取起點(diǎn)小說網(wǎng)

在瀏覽器中獲取書名和作者測(cè)試

在谷歌里安裝一個(gè)xpath的插件

在html中查找book-mid-info

我們要獲取小說的名稱： 也就是 //div[@class='book-mid-info']/h4/a/txt()

再加一個(gè)獲取作者：

使用xpath獲取起點(diǎn)小說網(wǎng)的數(shù)據(jù)

# 作者：互聯(lián)網(wǎng)老辛
# 開發(fā)時(shí)間：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'}
#發(fā)送請(qǐng)求
resp=requests.get(url,headers)
e=etree.HTML(resp.text) #類型轉(zhuǎn)換，把str轉(zhuǎn)變?yōu)閏lass '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)
#名稱和作者對(duì)應(yīng)
for name,authors in zip(names,authors):
    print(name,":",authors)

以上就是python使用XPath解析數(shù)據(jù)爬取起點(diǎn)小說網(wǎng)數(shù)據(jù)的詳細(xì)內(nèi)容，更多關(guān)于python XPath解析數(shù)據(jù)爬取起點(diǎn)小說網(wǎng)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！