我们已经可以从网上爬取数据了，现在我们来看看如何对数据解析

文章目录

• • 1. xpath 的介绍
  • 2. 爬取起点小说网
  • 优点：
  • 安装lxml库
  • XML的树形结构：
  • 选取节点的表达式举例：
  • 在浏览器中获取书名和作者测试
  • 使用xpath获取起点小说网的数据

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：

XML的树形结构：

根元素-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：

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：

在html中查找book-mid-info：

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

再加一个获取作者：

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 8:24import 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._ELementprint(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)