如何使用 Python 爬虫抓取带有超链接的文本字段?
时间:2024-11-15 16:37:03 499浏览 收藏
今天golang学习网给大家带来了《如何使用 Python 爬虫抓取带有超链接的文本字段?》,其中涉及到的知识点包括等等,无论你是小白还是老手,都适合看一看哦~有好的建议也欢迎大家在评论留言,若是看完有所收获,也希望大家能多多点赞支持呀!一起加油学习~
如何修改代码以爬取带有超链接的文本字段
在使用python爬虫获取网页正文时,可能会遇到无法抓取带有超链接的文本片段的情况。下面介绍一种方法修改代码来解决此问题:
首先,查看网页结构,确认所要抓取的文本段确实被包裹在标签内。然后修改xpath路径以获取所有 标签下的所有节点,其中包括文本和标签: 之后,在处理内容时,对于每个节点判断其类型:如果是文本节点,则保留并追加到结果中;如果是标签,则只保留其文本部分并追加到结果中: 通过这些修改,您应该可以成功爬取带有超链接的文本字段。 到这里,我们也就讲完了《如何使用 Python 爬虫抓取带有超链接的文本字段?》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!content = html.xpath('//div[@class="f14 l24 news_content mt25 zoom"]/p//node()')
import requests
from lxml import etree
# 爬取并转化为html格式
base_url = "https://www.solidwaste.com.cn/news/342864.html"
resp = requests.get(url=base_url)
html = etree.HTML(resp.text)
# 更换编码方式为网页对应的编码
encod = html.xpath('//meta[1]/@content')
if encod != []:
encod = encod[0].split("=")[-1]
resp.encoding = encod
html = etree.HTML(resp.text)
# 获取网页正文
content = html.xpath('//div[@class="f14 l24 news_content mt25 zoom"]/p//node()')
content_deal = ""
for node in content:
if isinstance(node, etree._ElementUnicodeResult):
content_deal += node.strip() + "\n"
elif isinstance(node, etree._Element) and node.tag == 'a':
content_deal += node.text.strip() + "\n"
print(content_deal)
-
501 收藏
-
501 收藏
-
501 收藏
-
501 收藏
-
501 收藏
-
381 收藏
-
381 收藏
-
156 收藏
-
458 收藏
-
495 收藏
-
210 收藏
-
423 收藏
-
101 收藏
-
433 收藏
-
346 收藏
-
461 收藏
-
398 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 立即学习 542次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 立即学习 508次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 立即学习 497次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 立即学习 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 立即学习 484次学习