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】爬虫笔记-用xpath提取网页内容总是重复提取的解决

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】爬虫笔记-用xpath提取网页内容总是重复提取的解决

提取网页中的每个标题,成功执行,但所有内容都是一样的

    tree = etree.HTML(page_text)
    fp = open('58.txt','w',encoding='utf-8')
    li_list = tree.xpath('//section[@data-bottom="250"]/ul/li[@]') 
    for li in li_list:
        title = li.xpath('//div[@]/span/text()')[0]
        fp.write(title+'n')

回去网页查了半天,应该是xpath的定位出了问题:
为了省事直接用了//
问题原因:
自定义的xpath不能以//或/开头,因为这个表示了绝对定位。
应该以./开头

于是第一次修改了代码:

title = li.xpath('./div[@]//span/text()')[0]

报错:

IndexError: list index out of range

回去查发现漏了一个标签a

itle = li.xpath('./a/div[@]//span/text()')[0]

不够简洁,再修改了一下:

title = li.xpath('./a//span/text()')[0]
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/323993.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