python使用xpath获取页面元素的使用

关于python 使用xpath获取网页信息的方法？

1、xpath的使用方法？

XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。

常用路径表达式含义

常用功能函数

备注：

1、html中当相同层次存在多个标签例如div,它们的顺序是从1开始，不是0
2、浏览器中使用开发者工具可以快速获取节点信息

2、实例：

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# @Time    : 2021/9/7 9:35
# @Author  : Sun
# @Email   : 8009@163.com
# @File    : sun_test.py
# @Software: PyCharm

import requests
from lxml import etree

def get_web_content():
   try:
       url = "htpps://***keyword=％E6％97％A0％E9％92％A2％E5％9C％88&wq=％E6％97％A0％E"
 "9％92％A2％E5％9C％88&ev=1_68131％5E&pvid=afbf41410b164c1b91d"
       "abdf18ae8ab5c&page=5&s=116&click=0 "
       header = {
           "user-agent": "Mozilla/5.0 (Windows NT 10.0; WOW64)"
           "AppleWebKit/537.36 (KHTML, like Gecko) "
                         "Chrome/75.0.3770.100 Safari/537.36 "}
       response = requests.request(method="Get", url=url, headers=header)
       result = response.text
       return result
   except TimeoutError as e:
       return None

def parsing():
   result = get_web_content()
   if result is not None:
       html = etree.HTML(result)
       # 先获取一个大的节点，包含了想要获取的所有信息
       ii = html.xpath('//*[@id="J_goodsList"]/ul/li')

for _ in ii:
       # 采用循环，依次从大节点中获取小的节点内容
           # ''.join() 将列表中的内容拼接成一个字符串
           infoResult = {
           # @href 表示：获取属性为href的内容
               'href': "https:" + _.xpath('./div/div[1]/a/@href')[0],
               'title': ''.join(
                       _.xpath('./div/div[2]/div/ul/li/a/@title')),
               # text()表示获取节点i里面的文本信息
               'price': _.xpath('./div/div[3]/strong/i/text()')[0],
               'info': ''.join(
                       _.xpath('./div/div[4]/a/em/text()')).strip(),
               'province': _.xpath('./div/div[9]/@data-province')[0]}
           print(infoResult)
   else:
       raise Exception("Failed to get page information, please check！")

return None

if __name__ == '__main__':
   parsing()

结果图片：

来源：https://blog.csdn.net/qq_40267002/article/details/120197707