这篇教程Python爬虫Xpath定位数据的两种方法写得很实用，希望能帮到您。
方法一：直接右键，将文章路径复制下来点击Copy full Xpath使用selenium+lxml中的etree进行配合使用，使用etree解析html网页 import requestsfrom lxml import etreeimport timeimport socketimport csvfrom selenium import webdriverfrom configparser import ConfigParserfrom selenium.webdriver import Chromefrom selenium.webdriver import ChromeOptions#禁止图片和css加载chrome_options = webdriver.ChromeOptions()prefs = {"profile.managed_default_content_settings.images": 2}chrome_options.add_experimental_option("prefs", prefs)option = ChromeOptions()option.add_experimental_option('excludeSwitches', ['enable-automation'])# 如果想加载图片，就把下面第二句话改第一句话，删掉上面的“禁止图片和css加载”部分# wb = Chrome(options=option)wb=webdriver.Chrome(options=chrome_options)#最大化窗口、输入网址、等待至网页加载完成（防止元素还没加载出来就开始爬了这样自然爬不到数据。如果一直加载不出就等10秒，加载好了就立刻结束等待）wb.maximize_window()wb.get("https://www.tianyancha.com/")wb.implicitly_wait(5)然后获取网页数据，这里表明哪怕后面出错了，仍然可以延续wb的位置继续控制浏览器 data = wb.page_sourcetime.sleep(3)data = wb.page_sourcetime.sleep(3)page_all.append(data)html = etree.HTML(data)company = html.xpath('/html/body/div/div/div[2]/div/div[1]/div[1]/div[3]/div[1]/div[1]/div[1]/h1/text()')print(company )
方法二：使用@制定标签属性，搜索指定位置这样的好处就是，对于批量处理的网页，有的标签位置不在同一个地方，那么我们就是不使用全Xpath路径，而使用相对路径，用@制定某种属性的标签，下载相关数据 "//div[@class='mainArea']/ul/li" 使用//div[@class=‘mainArea’]的意思是：从根部（//）查找 class值为 mainArea的Node. 所以，那么就很简单了 //某元素[@class=‘CLASS值’] 大家可以按照这个公式来查找 class的元素了。 剩下的 /ul/li 表示的是，继续查找 class='mainArea’的div包括的ul元素下面的li 节点集合。 到此这篇关于Python爬虫Xpath定位数据的方法的文章就介绍到这了,更多相关Python爬虫Xpath定位数据内容请搜索wanshiok.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持wanshiok.com！
Python基础语法之变量与数据类型详解
python爬虫之代理ip正确使用方法实例 |
