第三百三十六节，web爬虫讲解2—urllib库中使用xpath表达式

第三百三十六节，web爬虫讲解2—urllib库中使用xpath表达式—BeautifulSoup基础

在urllib中，我们一样可以使用xpath表达式进行信息提取，此时，你需要首先安装lxml模块，然后将网页数据通过lxml下的etree转化为treedata的形式

urllib库中使用xpath表达式

etree.HTML()将获取到的html字符串，转换成树形结构，也就是xpath表达式可以获取的格式

#!/usr/bin/env python

# -*- coding:utf8 -*-

import urllib.request

from lxml import etree  #导入html树形结构转换模块

wye = urllib.request.urlopen('http://sh.qihoo.com/pc/home').read().decode("utf-8",'ignore')

zhuanh = etree.HTML(wye)  #将获取到的html字符串，转换成树形结构，也就是xpath表达式可以获取的格式

print(zhuanh)

hqq = zhuanh.xpath('/html/head/title/text()') #通过xpath表达式获取标题

#注意，xpath表达式获取到数据，有时候是列表，有时候不是列表所以要做如下处理

if str(type(hqq)) == "<class 'list'>":  #判断获取到的是否是列表

    print(hqq)

else:

    xh_hqq = [i for i in hqq]       #如果不是列表，循环数据组合成列表

    print(xh_hqq)

#返回 ：['【今日爆点】你的专属资讯平台']

BeautifulSoup基础

BeautifulSoup是获取thml元素的模块

BeautifulSoup-3.2.1版本

巴特西

第三百三十六节，web爬虫讲解2—urllib库中使用xpath表达式—BeautifulSoup基础

最新文章

热门文章