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

导航栏名称及url爬取

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

导航栏名称及url爬取

不知道为啥这个js网页是curl不下来的,就将html节点复制了下来,然后用了如下代码爬取:

'''
//*[@id="catalog-undefined"]/span/a
/body/div[1]/div[5]/div/div/div[1]/div[2]/div[1]/div[1]/nav/div/div[2]/div/div/div/div[1]/div[3]/div[1]/div/div/div[8]/span[3]/span/div/span/span/a
/body/div[1]/div[5]/div/div/div[1]/div[2]/div[1]/div[1]/nav/div/div[2]/div/div/div/div[1]/div[3]/div[1]/div/div/div[11]/span[3]/span/div/span/span/a
/body/div[1]/div[5]/div/div/div[1]/div[2]/div[1]/div[1]/nav/div/div[2]/div/div/div/div[1]/div[3]/div[1]/div/div//span[3]/span/div/span/span/a
'''

xpath='/html/body/div[1]/div[5]/div/div/div[1]/div[2]/div[1]/div[1]/nav/div/div[2]/div/div/div/div[1]/div[3]/div[1]/div/div//span[3]/span/div/span/span/a'
file='yashu_body.html'
base='https://www.yuque.com'

from lxml import etree

html = etree.parse(file, etree.HTMLParser())
for e in html.xpath(xpath):
	print(e.attrib['title']+'n'+base+e.attrib['href'])

不知道有没有更好的方式。

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/293869.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