这是我的第一篇文章,所以 Hello World !
我正在 Python3 中使用“requests”和“lxml”编写一个小型网络爬虫。我已经制作了一个,这是不同网站的第二个项目。
我遇到了奇怪的结果 - xpath 方法返回所有标签,而不是选定的 DIV。更糟糕的是,输出会乘以“offer-detail”DIV 出现的次数。
Xpath 计数返回正确的 DIV 数量,我还制作了 page.content 转储到文件并手动检查,一切都是正确的。我已经使用 Chrome 的“Xpath helper”插件在网站上检查了 xpath - screenshot
抓取器输出 - http://pastebin.com/1bEdzXdJ
(又长又乱)
但在我的第一个项目中,没有发生这样的情况,它仍然返回正确的输出。
抓取的网站地址:http://www.ibood.com/pl/pl/all-deals/
我非常感谢 move 高级用户的任何帮助:)
代码:
import requests
from fake_useragent import UserAgent
from lxml import html
ua = UserAgent()
header_data = {'User-Agent': ua.chrome}
website = 'http://www.ibood.com/pl/pl/all-deals/'
page = requests.get(website, headers=header_data)
document = html.fromstring(page.content)
# //div[@class="all-offers"]/div/div[@class="offer-wrap"]
# # /div[@class="offer-detail"]
deals = document.xpath('//div[@class="offer-detail"]')
count = document.xpath('count(//div[@class="offer-detail"])')
print('count: ' + str(count))
for deal in deals:
print(deal.xpath('//text()'))
最佳答案
print(deal.xpath('.//text()'))
//
表示从root开始获取所有后代
.//
表示从当前上下文节点('deal')获取所有后代
这将返回所有节点:
count: 4.0
['\n ', 'Przenośny głośnik Bluetooth UE MEGABOOM', '\n ', '\n ', 'Cena katalogowa ', '1.319,95 zł', 'Tylko', 'Dzisiaj', '579,95 zł', ' ', '\n ', '\n ', '\n ', 'Przewidywany czas wysyłki dla tego produktu to 13.01.2017', '\n ', '\n 29,95 zł Dostawa', ' ', '\n ', '\n ', '\n ', '\n ', '\n ', '\n ', '\n ', '\n ', '\n ', 'Wyprzedane!', '\n ', '\n ', '56%', 'zniżka', '\n ']
更好的方法:
for deal in deals:
print(deal.xpath('normalize-space(string())'))
输出:
count: 4.0
Przenośny głośnik Bluetooth UE MEGABOOM Cena katalogowa 1.319,95 złTylkoDzisiaj579,95 zł Przewidywany czas wysyłki dla tego produktu to 13.01.2017 29,95 zł Dostawa Wyprzedane! 56%zniżka
Ukośnica Metabo KGS 254 M Cena katalogowa 1.639,95 złTylkoDzisiaj1.024,95 zł Przewidywany czas wysyłki dla tego produktu to 17.01.2017 39,95 zł Dostawa 11:18:18 lub do wyprzedania zapasów! Kupuję! 38%zniżka
3 pary bokserek SuperDry Cena katalogowa 179,95 złTylkoDzisiaj114,95 zł Przewidywany czas wysyłki dla tego produktu to 17.01.2017 29,95 zł Dostawa 11:18:18 lub do wyprzedania zapasów! Kupuję! 36%zniżka
2 Ładowarki akumulatorów Philips MultiLife Cena katalogowa 124,95 złTylkoDzisiaj34,95 zł Przewidywany czas wysyłki dla tego produktu to 11.01.2017 29,95 zł Dostawa 11:18:18 lub do wyprzedania zapasów! Kupuję! 72%zniżka
normalize-space
函数返回带有标准化空格的参数字符串,方法是去除前导和尾随空格并将空格字符序列替换为单个空格。
关于Python lxml xpath - 返回所有标签而不是所选标签,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41532601/