python爬虫学习35

• • python爬虫学习35
  • • 九、parsel 库的使用 其二
    • • 9-4 提取属性
      • 9-5正则提取

今天接着学习parsel库，昨天我们学习了parsel中的初始化和提取文本，那么如何提取属性呢？

与我们之前学习的一致，直接放到Xpath或CSS中就行了

因为不怎么会CSS所以就主要以Xpath为例子了。。。

from parsel import Selector

html = """

    
        hello
    
			

				
首页
                
我的书架
				
玄幻小说
				
修真小说
				
都市小说
				
穿越小说
				
网游小说
				
科幻小说
				
排行榜单
				
完本小说
				
全部小说
                

			
		
        
		
"""

ini_sel = Selector(text=html)
result = ini_sel.xpath('//div[contains(@class, "nav-head")]')
print(result)
print(result.get())
print(result.getall())

运行结果：

还记得我们那年一起学过的正则表达式吗？这里也可以用上：

from parsel import Selector

html = """

    
        hello
    
			

				
首页
                
我的书架
				
玄幻小说
				
修真小说
				
都市小说
				
穿越小说
				
网游小说
				
科幻小说
				
排行榜单
				
完本小说
				
全部小说
                

			
		
        
		
"""

ini_sel = Selector(text=html)
result = ini_sel.xpath('//a').re('.*?href.*?xiaoshuo.*?/">')
print(result)

运行结果：

也可以使用 re_first 返回第一个符合的结果：

from parsel import Selector

html = """

    
        hello
    
			

				
首页
                
我的书架
				
玄幻小说
				
修真小说
				
都市小说
				
穿越小说
				
网游小说
				
科幻小说
				
排行榜单
				
完本小说
				
全部小说
                

			
		
        
		
"""

ini_sel = Selector(text=html)

result = ini_sel.xpath('//a').re_first('href.*?"/(.*?)/">')
print(result)

运行结果：

至此parsel库就已经被我们基本掌握了，实际上它是结合Xpath、CSS选择器和正则表达式的一个题提取库，所以有相关的基础掌握起来就非常快啦！

今日结束，未完待续…