如何使用 Python 爬虫抓取带有超链接的文本字段？

百变鹏仔 5天前 #Python

文章标签爬虫

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：

content = html.xpath('//div[@class="f14 l24 news_content mt25 zoom"]/p//node()')

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：

立即学习“Python免费学习笔记（深入）”；

import requestsfrom 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() + ""    elif isinstance(node, etree._Element) and node.tag == 'a':        content_deal += node.text.strip() + ""print(content_deal)

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。

文章推荐

如何使用 Python 爬虫抓取带有超链接的文本字段？

如何在Python中实现梯度下降算法以寻找局部最小值？

Python程序删除数组中的重复元素

使用Networxx模块的超链接诱导主题搜索（HITS）算法- Python

使用索引列表在Python中查找元素的乘积

在Python中打印字符串的所有子序列