python使用XPath解析数据爬取起点小说网数据_Python

1. xpath 的介绍

xpath是一门在xml文档中查找信息的语言

优点：

可以在xml中找信息
支持html的查找
可以通过元素和属性进行导航

但是xpath需要依赖xml的库，所以我们需要去安装lxml的库。

安装lxml库

我们先要安装lxml的库，直接在pycharm里安装即可：

python使用XPath解析数据爬取起点小说网数据

xml的树形结构：

python使用XPath解析数据爬取起点小说网数据

元素-元素-属性-文本

使用xpath选取节点：

nodename: 选取此节点的所有节点
/从根节点选择
// 从匹配选择的当前节点选择文档中的节点，而不考虑他们的位置
. 选择当前节点
.. 选择当前节点的父节点（此处是两个点，浏览器默认显示3个..）
/text() 获取当前路径下的文本内容
/@xxx 提取当前路径下标签的属性值

选取节点的表达式举例：

python使用XPath解析数据爬取起点小说网数据

2. 爬取起点小说网

在浏览器中获取书名和作者测试

在谷歌里安装一个xpath的插件

python使用XPath解析数据爬取起点小说网数据

在html中查找book-mid-info

python使用XPath解析数据爬取起点小说网数据

我们要获取小说的名称：也就是 //div[@class='book-mid-info']/h4/a/txt()

python使用XPath解析数据爬取起点小说网数据

再加一个获取作者：

python使用XPath解析数据爬取起点小说网数据

使用xpath获取起点小说网的数据

				?

									# 作者：互联网老辛

									# 开发时间：2021/4/8/0008 8:24

									import requests

									from lxml import etree

									url="https://www.qidian.com/rank/yuepiao"

									headers={'user-agent':'mozilla/5.0 (windows nt 10.0; wow64) applewebkit/537.36 (khtml, like gecko) chrome/70.0.3538.25 safari/537.36 core/1.70.3861.400 qqbrowser/10.7.4313.400'}

									#发送请求

									resp=requests.get(url,headers)

									e=etree.html(resp.text) #类型转换，把str转变为class 'lxml.etree._element

									print(type(e))

									names=e.xpath('//div[@class="book-mid-info"]/h4/a/text()')

									authors=e.xpath('//p[@class="author"]/a[1]/text()')

									print(names)

									print(authors)

									#名称和作者对应

									for name,authors in zip(names,authors):

									    print(name,":",authors)