栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

python xpath lxml 抓取网页

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

python xpath lxml 抓取网页

python xpath lxml 抓取网页,不是特别成功
备注:xpath中如果要带变量,现在只能用format方式进行后添加
etree获取到的内容不知道是什么类型数据:之前是个emenment,这里却是一个列表

import requests
from lxml import etree

url = "https://docs.openvswitch.org/en/latest/ref/"
resp = requests.get(url).text

et = etree.HTML(resp)
for i in range(1,15):     #无法知道下面有多少页,所以只能查看后指定了
    list_xpath = ("//div[@class='toctree-wrapper compound']/ul/li[{}]/a/@href").format(i)  #用了很多种办法带参数,只有这种format方法可以用
    file_url = et.xpath(list_xpath)    #返回获取到的url 的后缀,但是带/,需要转换成str后,切割
    file_name = str(file_url[0]).split("/")[0]    #由于带"/“,无法做文件名后面需要用此过滤出来的做为文件名
    new_url = url + file_name + "/"               #再次拼接成新的url地址
    data = requests.get(new_url).text.encode()    #如果没有encode(),则提示TypeError: a bytes-like object is required, not 'str'
    print(new_url)
    with open(file_name + ".html",mode="wb") as f:
        f.write(data)
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/1001721.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号