爬虫:xpath模块及昵图网实例
创始人
2024-11-14 13:33:46

xpath模块

from lxml import etree  str1 = """  """ # 将字符串转化为html对象 strTree1 = etree.HTML(str1) print(strTree1.xpath('//li/text()')) #获取所有li里面的内容,这里只能获取直属li里面的内容 print(strTree1.xpath('//li/@class')) # xpath中的下标,是从1开始的 print(strTree1.xpath('//li[3]/a/@href')) # xpath中没有负数下标,若从右向左取,利用last获取最后一个 通过减一减二的方式获取倒数第二个倒数第三个 print(strTree1.xpath('//li[last()-1]/text()')) # 获取指定属性值的标签 print(strTree1.xpath('//li[@class="item-1"]//text()'))

昵图网实例

from requests_html import HTMLSession from lxml import etree  session = HTMLSession() url = 'https://soso.nipic.com/?q=%E7%BE%8E%E5%A5%B3'  response = session.get(url) html = etree.HTML(response.text)  imgNames = [] imgUrls = [] for i in range(1, 6):     img_name = html.xpath(f'//ul[@id="img-list-outer"]/li[{i}]/a/img/@alt')     img_url = html.xpath(f'//ul[@id="img-list-outer"]/li[{i}]/a/img/@data-original')     imgNames.append(img_name[0])     imgUrls.append('https:' + img_url[0])  for i in range(len(imgUrls)):     with open('美女\\' + imgNames[i] + '.jpg', 'wb') as f:         f.write(session.get(imgUrls[i]).content)  # content就是将响应转化为二进制内容 

相关内容

热门资讯

裸辞做“一人公司”,我后悔了 去年这个时候,一位以色列程序员正在东南亚旅行。他顺手把一个在脑子里转了很久的想法做成了产品,一个让任...
南京建成国内首个Pre-6G试... 4月21日,2026全球6G技术与产业生态大会在南京开幕。全息互动技术展台前,一名远在北京的工作人员...
超梵求职受邀参加“2025抖音... 超梵求职受邀参加“2025抖音巨量引擎成人教育行业生态大会”,探讨分享优质内容传播,服务万千学员。 ...
摩托罗拉Razr 2026(R... IT之家 4 月 22 日消息,摩托罗拉宣布新一代 Razr 折叠手机将于 4 月 29 日在美国发...
库克卸任,特纳斯领航:苹果新纪... 苹果首席执行官蒂姆·库克将卸任,硬件工程主管约翰·特纳斯将接任,苹果公司今天宣布此事。 库克将在夏季...