python——requests+xpath实现爬虫




import requests
from lxml import etree
 
def get_data(url):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3',
        'Accept-Encoding': 'gzip, deflate, br',
    }
    res = requests.get(url, headers=headers)
    res.raise_for_status()
    res.encoding = 'utf-8'
    return res.text
 
def parse_data(html):
    html = etree.HTML(html)
    # 使用XPath表达式提取数据
    titles = html.xpath('//h2[@class="post-title"]/a/text()')
    links = html.xpath('//h2[@class="post-title"]/a/@href')
    return list(zip(titles, links))
 
def main():
    url = "https://www.cnblogs.com/#p"
    html = get_data(url)
    data = parse_data(html)
    for title, link in data:
        print(f"标题: {title}, 链接: {link}")
 
if __name__ == "__main__":
    main()

这段代码实现了一个简单的网络爬虫,它从博客园的首页提取文章标题和链接。首先定义了get_data函数来发送HTTP请求,获取网页内容;然后定义了parse_data函数使用XPath解析HTML内容;最后在main函数中调用这两个函数,并打印结果。这个例子展示了如何使用requests库获取网页内容以及如何使用lxml.etree模块和XPath解析HTML结构的数据。

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日