目录
一、学习资源
二、知识点介绍
1、xpath使用
2、xpath基本语法
3、案例演示
三、项目详细讲解
1、分析
2、步骤
(1)请求对象定制
(2)获取响应数据
(3)下载数据
四、源代码
一、学习资源
二、知识点介绍
1、xpath使用
2、xpath基本语法
3、案例演示
# coding=utf-8
from lxml import etree
#xpath解析
#(1)解析本地文件 etree.parse
#(2)解析服务器文件 response.read().decode('utf-8')****** etree.HTML()
#xpath解析本地文件
tree = etree.parse('070_解析_xpath的基本使用.html')
#tree.xpath('xpath路径')
#查找ul下面的li
#li_list = tree.xpath('//ul/li/text()')
#查找所有有id的属性的li标签
#text()获取标签中的内容
#li_list = tree.xpath('//ul/li[@id]/text()')
#找到id为l1的li标签 注意引号的问题 单引号里面的字符串要加双引号
#li_list = tree.xpath('//ul/li[@id="l1"]/text()')
#查找到id为l1的li标签的class的属性值
# li = tree.xpath('//ul/li[@id="l1"]/@class')
#查询id中包含l的li标签
#li_list = tree.xpath('//ul/li[contains(@id,"l")]/text()')
#查询id的值以l开头的li标签
#li_list = tree.xpath('//ul/li[starts-with(@id,"c")]/text()')
#查询id为l1和class为c1的
#li_list = tree.xpath('//ul/li[@id="l1" and @class="c1"]/text()')
li_list = tree.xpath('//ul/li[@id="l1"]/text() | //ul/li[@id="l2"]/text()')
#判断列表的长度
print(li_list)
print(len(li_list))
三、项目详细讲解
1、分析
①首先要获取url,但是因为要获取前十页的数据,url是一个变量,通过对网页的检查可以发现网页的url有规律。
2、步骤
(1)请求对象定制
解决了url的问题之后,请求对象的定制就变得简单了,就是把之前的内容进行了封装
(2)获取响应数据
相应的获取响应数据也是把之前的代码进行封装
(3)下载数据
下载图片需要用到urllib库,此时需要图片的地址和文件的名字
首先解析获取到的服务器文件,然后通过xpath去查找图片的地址和文件的名字
然后通过遍历的方式下载图片
文件内容:
四、源代码
# coding=utf-8
#(1)请求对象的定制
#(2)获取网页源码
#(3)下载
#需求 下载的是前十页的图片
#https://sc.chinaz.com/tupian/qinglvtupian.html
#https://sc.chinaz.com/tupian/qinglvtupian_page.html
import urllib.request
from lxml import etree
def create_request(page):#请求对象定制
if (page == 1):
url = 'https://sc.chinaz.com/tupian/qinglvtupian.html'
else :
url = 'https://sc.chinaz.com/tupian/qinglvtupian_'+str(page)+'.html'
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36"
}
request = urllib.request.Request(url=url,headers=headers)
return request
def get_content(request):#获取网页源码
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')
return content
def down_load(content):#下载
#下载图片
#urllib.request.urlretrieve('图片地址','文件的名字')
tree = etree.HTML(content)#解析服务器文件
name_list = tree.xpath('//div[@id="container"]//a/img/@alt')
#一般设计图片的网站都会进行懒加载 所以这里的图片地址为src2
src_list = tree.xpath('//div[@id="container"]//a/img/@src2')
for i in range(len(name_list)):
name = name_list[i]
src = src_list[i]
url = 'https:' + src
urllib.request.urlretrieve(url=url,filename='./loveImg/' +name + '.jpg')
if __name__ == '__main__':
start_page = int(input('请输入起始页码'))
end_page = int(input('请输入结束页码'))
for page in range(start_page,end_page+1):
#(1)请求对象定制
request = create_request(page)
#获取网页源码
content = get_content(request)
#(3)下载
down_load(content)