lmxl的xpath提取脚本之间的title以及url
运用lmxl的xpath提取脚本之间的title以及url:
import urllib.request import lxml import lxml.etree import re def makeurllist(url): headers={"User-Agent":"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0);"} request = urllib.request.Request(url, headers=headers) # 请求,修改,模拟http. data = urllib.request.urlopen(request).read() # 打开请求,抓取数据 mytree = lxml.etree.HTML(data) mylist=mytree.xpath("//*[@class=\"dxypage clearfix\"]//text()") lastmystr=mylist[0] restr="页次:1/(\d+) 每页" regex=re.compile(restr,re.IGNORECASE) mylastlist=regex.findall(lastmystr) numbers=eval(mylastlist[0]) #整数 urllist=[] for i in range(1,numbers+1): urllist.append("https://www.jb51.net/list/list_97_"+str(i)+".htm") #print(urllist) return urllist def gettitlefromurl(url): lastlist=[] #[(title,url),(title,url),(title,url),(title,url)] headers = {"User-Agent": "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0);"} request = urllib.request.Request(url, headers=headers) # 请求,修改,模拟http. data = urllib.request.urlopen(request).read() # 打开请求,抓取数据 mytree = lxml.etree.HTML(data) urllist=mytree.xpath("//*[@class=\"artlist clearfix\"]/dl/dt/a/@href") #* 匹配任何元素节点 //*[@class=\"artlist clearfix\"] 表示从当前节点下降的所有元素节点 #print(urllist) titlelist = mytree.xpath("//*[@class=\"artlist clearfix\"]/dl/dt/a/@title") #print(titlelist) for list1 in urllist: for list2 in titlelist: lastlist.append((list2,list1)) #print(lastlist) return lastlist url="https://www.jb51.net/list/list_97_1.htm" #makeurllist("https://www.jb51.net/list/list_97_1.htm") #gettitlefromurl("https://www.jb51.net/list/list_97_1.htm") for allurl in makeurllist(url): gettitlefromurl(allurl) print(gettitlefromurl(allurl)) #返回列表元组[(title,url),(title,url),(title,url),(title,url)]
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· DeepSeek 开源周回顾「GitHub 热点速览」
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· AI与.NET技术实操系列(二):开始使用ML.NET
· 单线程的Redis速度为什么快?