python中requests庫+xpath+lxml簡單使用
更新時間：2021年04月29日 14:28:40 作者：顧辭嚶嚶怪
這篇文章主要介紹了python中requests庫+xpath+lxml簡單使用，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
python的requests
它是python的一個第三方庫，處理URL比urllib這個庫要方便的多，并且功能也很豐富。
【可以先看4，5表格形式的說明，再看前面的】
安裝
直接用pip安裝，anconda是自帶這個庫的。
pip install requests
簡單使用
1.簡單訪問一個url：
import requests url='http://www.baidu.com' res = requests.get(url) res.text res.status_code
<!DOCTYPE html>
<!--STATUS OK-->
<html>
<head>
<meta http-equiv=content-type content=text/html;charset=utf-8>
<meta http-equiv=X-UA-Compatible content=IE=Edge>
<meta content=always name=referrer>
<link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css>
<title>ç™¾åº¦ä¸€ä¸‹ï¼Œä½ å°±çŸ¥é“</title>
</head>
<body link=#0000cc>
<div id=wrapper>
<div id=head>
<div class=head_wrapper>
<div class=s_form>
<div class=s_form_wrapper>
<div id=lg>
<img hidefocus=true src=//www.baidu.com/img/bd_logo1.jpg width=270 height=129>
</div>
<form id=form name=f action=//www.baidu.com/s class=fm> <input type=hidden name=bdorz_come value=1>
<input type=hidden name=ie value=utf-8>
<input type=hidden name=f value=8>
<input type=hidden name=rsv_bp value=1>
<input type=hidden name=rsv_idx value=1>
<input type=hidden name=tn value=baidu>
<span class="bg s_ipt_wr"><input id=kw name=wd class=s_ipt value maxlength=255 autocomplete=off autofocus></span>
<span class="bg s_btn_wr"><input type=submit id=su value=百度一下 class="bg s_btn"></span>
</form>
</div>
</div>
<div id=u1>
<a href=http://news.baidu.com name=tj_trnews class=mnav>æ–°é—»</a>
<a href=http://www.hao123.com name=tj_trhao123 class=mnav>hao123</a>
<a href=http://map.baidu.com name=tj_trmap class=mnav>地图</a>
<a href=http://v.baidu.com name=tj_trvideo class=mnav>视频</a>
<a href=http://tieba.baidu.com name=tj_trtieba class=mnav>è´´å§</a>
<noscript>
<a href=http://www.baidu.com/bdorz/login.gif?login&tpl=mn&u=http%3A%2F%2Fwww.baidu.com%2f%3fbdorz_come%3d1 name=tj_login class=lb>登录</a> </noscript>
<script>
document.write('<a + encodeURIComponent(window.location.href+ (window.location.search === " rel="external nofollow" rel="external nofollow" rel="external nofollow" " ? "?" : "&")+ "bdorz_come=1")+ '" name="tj_login" class="lb">登录</a>');</script>
<a href=//www.baidu.com/more/ name=tj_briicon class=bri style="display: block;">更多产å“</a>
</div>
</div>
</div>
<div id=ftCon>
<div id=ftConw>
<p id=lh>
<a href=http://home.baidu.com>å³äºŽç™¾åº¦</a>
<a href=http://ir.baidu.com>About Baidu</a>
</p>
<p id=cp>©2017 Baidu <a href=http://www.baidu.com/duty/>使用百度å‰å¿
读</a>
<a href=http://jianyi.baidu.com/ class=cp-feedback>æ„è§å馈</a> 京ICPè¯030173å· <img src=//www.baidu.com/img/gs.gif> </p> </div> </div> </div> </body> </html>
200
亂碼的，是由于沒有轉(zhuǎn)換字符，可以加入res.encoding='utf-8'解決，200是狀態(tài)碼。一般狀態(tài)碼是2xx都沒什么問題的。
1xx：web服務(wù)器正確接收到請求了
2xx：處理成功，比如200表示正常，請求完成；204表示正常無響應(yīng)等
3xx：重定向
4xx：客戶端出現(xiàn)錯誤，比如著名的404找不到
5xx：服務(wù)器出現(xiàn)錯誤 ，比如500的內(nèi)部錯誤
res.encoding='utf-8' print(res.text)
<!DOCTYPE html>
<!--STATUS OK-->
<html>
<head>
<meta http-equiv=content-type content=text/html;charset=utf-8>
<meta http-equiv=X-UA-Compatible content=IE=Edge>
<meta content=always name=referrer>
<link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css>
<title>百度一下，你就知道</title>
</head>
<body link=#0000cc>
<div id=wrapper>
<div id=head>
<div class=head_wrapper>
<div class=s_form>
<div class=s_form_wrapper>
<div id=lg>
<img hidefocus=true src=//www.baidu.com/img/bd_logo1.jpg width=270 height=129>
</div>
<form id=form name=f action=//www.baidu.com/s class=fm>
<input type=hidden name=bdorz_come value=1>
<input type=hidden name=ie value=utf-8>
<input type=hidden name=f value=8>
<input type=hidden name=rsv_bp value=1>
<input type=hidden name=rsv_idx value=1>
<input type=hidden name=tn value=baidu><span class="bg s_ipt_wr"><input id=kw name=w
d class=s_ipt value maxlength=255 autocomplete=off autofocus></span>
<span class="bg s_btn_wr"><input type=submit id=su value=百度一下 class="bg s_btn"></span>
</form>
</div>
</div>
<div id=u1>
<a href=http://news.baidu.com name=tj_trnews class=mnav>新聞</a>
<a href=http://www.hao123.com name=tj_trhao123 class=mnav>hao123</a> <a href=http://map.baidu.com name=tj_trmap class=mnav>地圖</a>
<a href=http://v.baidu.com name=tj_trvideo class=mnav>視頻</a>
<a href=http://tieba.baidu.com name=tj_trtieba class=mnav>貼吧</a>
<noscript> <a href=http://www.baidu.com/bdorz/login.gif?login&tpl=mn&u=http%3A%2F%2Fwww.baidu.com%2f%3fbdorz_come%3d1 name=tj_login class=lb>登錄</a> </noscript>
<script>
document.write('<a + encodeURIComponent(window.location.href+ (window.location.search === " rel="external nofollow" rel="external nofollow" rel="external nofollow" " ? "?" : "&")+ "bdorz_come=1")+ '" name="tj_login" class="lb">登錄</a>');
</script>
<a href=//www.baidu.com/more/ name=tj_briicon class=bri style="display: block;">更多產(chǎn)品</a>
</div>
</div>
</div>
<div id=ftCon>
<div id=ftConw>
<p id=lh>
<a href=http://home.baidu.com>關(guān)于百度</a>
<a href=http://ir.baidu.com>About Baidu</a>
</p>
<p id=cp>©2017 Baidu <a href=http://www.baidu.com/duty/>使用百度前必讀</a>
<a href=http://jianyi.baidu.com/ class=cp-feedback>意見反饋</a> 京ICP證030173號 <img src=//www.baidu.com/img/gs.gif>
</p>
</div>
</div>
</div>
</body>
</html>
主要的點
（1）.用get請求得到的數(shù)據(jù)是一個response對象，用response.text屬性來查看。
（2）.修改編碼形式用response.encoding='utf-8/gbk/...'，encoding是它的一個屬性可以查看response.encoding
res.encoding >>>: >'utf-8'
（3）.無論響應(yīng)是文本還是二進(jìn)制內(nèi)容，我們都可以用content屬性獲得bytes對象：
import requests
url='http://www.baidu.com'
res = requests.get(url)
print(res.content)
print("----------")
print(res.text)
print("----------")
print(type(res))
<!DOCTYPE html>\r\n<!--STATUS OK-->
<html>
<head>
<meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge><meta content=always name=referrer><link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css><title>\xe7\x99\xbe\xe5\xba\xa6\xe4\xb8\x80\xe4\xb8\x8b\xef\xbc\x8c\xe4\xbd\xa0\xe5\xb0\xb1\xe7\x9f\xa5\xe9\x81\x93</title></head> <body link=#0000cc> <div id=wrapper> <div id=head> <div class=head_wrapper> <div class=s_form> <div class=s_form_wrapper> <div id=lg> <img hidefocus=true src=//www.baidu.com/img/bd_logo1.jpg width=270 height=129> </div> <form id=form name=f action=//www.baidu.com/s class=fm> <input type=hidden name=bdorz_come value=1> <input type=hidden name=ie value=utf-8> <input type=hidden name=f value=8> <input type=hidden name=rsv_bp value=1> <input type=hidden name=rsv_idx value=1> <input type=hidden name=tn value=baidu><span class="bg s_ipt_wr"><input id=kw name=wd class=s_ipt value maxlength=255 autocomplete=off autofocus></span><span class="bg s_btn_wr"><input type=submit id=su value=\xe7\x99\xbe\xe5\xba\xa6\xe4\xb8\x80\xe4\xb8\x8b class="bg s_btn"></span> </form> </div> </div> <div id=u1> <a href=http://news.baidu.com name=tj_trnews class=mnav>\xe6\x96\xb0\xe9\x97\xbb</a> <a href=http://www.hao123.com name=tj_trhao123 class=mnav>hao123</a> <a href=http://map.baidu.com name=tj_trmap class=mnav>\xe5\x9c\xb0\xe5\x9b\xbe</a> <a href=http://v.baidu.com name=tj_trvideo class=mnav>\xe8\xa7\x86\xe9\xa2\x91</a> <a href=http://tieba.baidu.com name=tj_trtieba class=mnav>\xe8\xb4\xb4\xe5\x90\xa7</a> <noscript> <a href=http://www.baidu.com/bdorz/login.gif?login&tpl=mn&u=http%3A%2F%2Fwww.baidu.com%2f%3fbdorz_come%3d1 name=tj_login class=lb>\xe7\x99\xbb\xe5\xbd\x95</a> </noscript> <script>document.write(\'<a + encodeURIComponent(window.location.href+ (window.location.search === " rel="external nofollow" " ? "?" : "&")+ "bdorz_come=1")+ \'" name="tj_login" class="lb">\xe7\x99\xbb\xe5\xbd\x95</a>\');</script> <a href=//www.baidu.com/more/ name=tj_briicon class=bri style="display: block;">\xe6\x9b\xb4\xe5\xa4\x9a\xe4\xba\xa7\xe5\x93\x81</a> </div> </div> </div> <div id=ftCon> <div id=ftConw> <p id=lh> <a href=http://home.baidu.com>\xe5\x85\xb3\xe4\xba\x8e\xe7\x99\xbe\xe5\xba\xa6</a> <a href=http://ir.baidu.com>About Baidu</a> </p> <p id=cp>©2017 Baidu <a href=http://www.baidu.com/duty/>\xe4\xbd\xbf\xe7\x94\xa8\xe7\x99\xbe\xe5\xba\xa6\xe5\x89\x8d\xe5\xbf\x85\xe8\xaf\xbb</a> <a href=http://jianyi.baidu.com/ class=cp-feedback>\xe6\x84\x8f\xe8\xa7\x81\xe5\x8f\x8d\xe9\xa6\x88</a> \xe4\xba\xacICP\xe8\xaf\x81030173\xe5\x8f\xb7 <img src=//www.baidu.com/img/gs.gif> </p> </div> </div> </div> </body> </html>\r\n'
----------
<!DOCTYPE html>
<!--STATUS OK-->
<html>
<head>
<meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge>
<meta content=always name=referrer>
<link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css>
<title>ç™¾åº¦ä¸€ä¸‹ï¼Œä½ å°±çŸ¥é“</title><
/head> <body link=#0000cc> <div id=wrapper>
<div id=head>
<div class=head_wrapper> <div class=s_form>
<div class=s_form_wrapper>
<div id=lg>
<img hidefocus=true src=//www.baidu.com/img/bd_logo1.jpg width=270 height=129> </div> <form id=form name=f action=//www.baidu.com/s class=fm> <input type=hidden name=bdorz_come value=1>
<input type=hidden name=ie value=utf-8> <input type=hidden name=f value=8>
<input type=hidden name=rsv_bp value=1>
<input type=hidden name=rsv_idx value=1>
<input type=hidden name=tn value=baidu>
<span class="bg s_ipt_wr">
<input id=kw name=wd class=s_ipt value maxlength=255 autocomplete=off autofocus></span><span class="bg s_btn_wr">
<input type=submit id=su value=百度一下 class="bg s_btn">
</span>
</form>
</div>
</div>
<div id=u1>
<a href=http://news.baidu.com name=tj_trnews class=mnav>æ–°é—»</a>
<a href=http://www.hao123.com name=tj_trhao123 class=mnav>hao123</a>
<a href=http://map.baidu.com name=tj_trmap class=mnav>地图</a>
<a href=http://v.baidu.com name=tj_trvideo class=mnav>视频</a> <a href=http://tieba.baidu.com name=tj_trtieba class=mnav>è´´å§</a>
<noscript>
<a href=http://www.baidu.com/bdorz/login.gif?login&tpl=mn&u=http%3A%2F%2Fwww.baidu.com%2f%3fbdorz_come%3d1 name=tj_login class=lb>登录</a>
</noscript>
<script>
document.write('<a + encodeURIComponent(window.location.href+ (window.location.search === " rel="external nofollow" rel="external nofollow" rel="external nofollow" " ? "?" : "&")+ "bdorz_come=1")+ '" name="tj_login" class="lb">登录</a>');
</script>
<a href=//www.baidu.com/more/ name=tj_briicon class=bri style="display: block;">更多产å“</a>
</div>
</div>
</div>
<div id=ftCon>
<div id=ftConw>
<p id=lh>
<a href=http://home.baidu.com>å³äºŽç™¾åº¦</a>
<a href=http://ir.baidu.com>About Baidu</a>
</p>
<p id=cp>©2017 Baidu
<a href=http://www.baidu.com/duty/>使用百度å‰å¿è¯»</a>
<a href=http://jianyi.baidu.com/ class=cp-feedback>æ„è§å馈</a>
京ICPè¯030173å· <img src=//www.baidu.com/img/gs.gif>
</p>
</div>
</div>
</div>
</body>
</html>
<class 'requests.models.Response'>
（4）.status_code屬性來查看該請求返回的狀態(tài)碼
2.帶參數(shù)訪問url
（1）.帶http 的頭去訪問可以傳入?yún)?shù)：headers={'User-Agent':'Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit'} ，不至于很快就被判斷懲惡爬蟲，把你的IP給封了。
（2）.Cookie
# 獲得指定cookie
r.cookies['cookie_name']
# 傳入cookie 用dict來傳遞
cs = {'token':'密碼','status':'狀態(tài)'}
res = requests.get(url, cookies='cs')
3）.指定超時
res = requests.get(url, timeout=3) #3秒后超時
注意:一般用get方法就可以爬取一些比較簡單容易的網(wǎng)站。
4.requests的一些常用方法和主要參數(shù)
| 方法 | 說明 |
|---|---|
| requests.request() | 構(gòu)造一個請求，用于以下各種方法的處理 |
| requests.get() | 獲取HTML網(wǎng)頁的主要方法，對應(yīng)于HTTP的GET |
| requests.head() | 獲取HTML網(wǎng)頁頭信息的方法，對應(yīng)于HTTP的HEAD |
| requests.post() | 向HTML提交POST請求的方法，對應(yīng)于HTTP的POST |
| requests.put() | 向HTML提交PUT請求的方法，對應(yīng)于HTTP的PUT |
| requests.patch() | 向HTML提交局部修改請求的方法，對應(yīng)于HTTP的PATCH |
| requests.delete() | 向HTML提交刪除請求的方法，對應(yīng)于HTTP的DELETE |
requests.get()方法的參數(shù)：
格式：requests.get(url, params=None, **kwargs) 最前面介紹的幾個常用的掌握就夠用了。
#url:要訪問的url地址 # params:url中的額外參數(shù)，可選的，字典或者字典或字節(jié)形式傳遞 # **kwargs:控制訪問的參數(shù)，可選 ## headers，timeout，cookies，data，json，proxies，allow_redirects，stream，veriftty，cert，files，auth
5.requests.Response對象的屬性說明
| 屬性 | 說明 |
|---|---|
| res.status_code | HTTP請求返回的狀態(tài)碼，200表示連接成功，404表示失敗 |
| res.text | HTTP響應(yīng)內(nèi)容的字符串形式，即url對應(yīng)的頁面內(nèi)容 |
| res.encoding | 從HTTP header中猜測的響應(yīng)內(nèi)容的編碼形式，亂碼可以修改防止亂碼 |
| res.content | 從內(nèi)容中分析出的響應(yīng)內(nèi)容的編碼方式，備用 |
| res.apparent_encoding | HTTP響應(yīng)內(nèi)容的二進(jìn)制形式 |
xpath簡介
述
Xpath是一門在xml文檔中查找信息的語言。Xpath可用來在xml文檔中對元素和屬性進(jìn)行遍歷。由于html的層次結(jié)構(gòu)與xml的層次結(jié)構(gòu)天然一致，所以使用Xpath也能夠進(jìn)行html元素的定位。
定位方法 1.絕對路徑定位：
顧名思義，將Xpath表達(dá)式從html的最外層節(jié)點，逐層填寫，最后定位到操作元素，一般瀏覽器插件出來都是絕對定位
類似：/html/body/div[1]/div[2]/div[5]/div[1]/div[1]/form/span[2]/input
2.相對路徑定位
通過相對路徑定位元素，提取的是元素的部分特征，只要提取恰當(dāng)，能夠保證版本間穩(wěn)定，是進(jìn)行自動化測試的首選。
類似：//div[@class='e']/a/p/span/text() @后面是屬性，最后的text()提取標(biāo)簽之間的文本數(shù)據(jù)
3.索引號定位
類似：/html/body/div[1]/div[2]/div[5]/div[1]/div[1]/form/span[last()-1]/input 表示form下倒數(shù)第二個span
4.屬性定位
類似：//*[@id=“kw” and @name=‘wd'] 表示 id 屬性為 kw 且 name 屬性為 wd
5.其它定位方法
還要別的定位方法，不常用，不介紹
lxml簡介
導(dǎo)入lxml 的 etree 庫
from lxml import etree
簡單使用
（1）.利用etree.HTML，將html字符串（bytes類型或str類型）轉(zhuǎn)化為Element對象，Element對象具有xpath的方法，返回結(jié)果列表。
html = etree.HTML(text)
ret_list = html.xpath("xpath語法規(guī)則字符串")
（2）.xpath方法返回列表的三種情況
返回空列表：根據(jù)xpath語法規(guī)則字符串，沒有定位到任何元素
返回由字符串構(gòu)成的列表：xpath字符串規(guī)則匹配的一定是文本內(nèi)容或某屬性的值
返回由Element對象構(gòu)成的列表：xpath規(guī)則字符串匹配的是標(biāo)簽，列表中的Element對象可以繼續(xù)進(jìn)行xpath
注意：
（1）.lxml.etree.HTML(html_str)可以自動補全標(biāo)簽
（2）.lxml.etree.tostring函數(shù)可以將轉(zhuǎn)換為Element對象再轉(zhuǎn)換回html字符串
（3）.爬蟲如果使用lxml來提取數(shù)據(jù)，應(yīng)該以lxml.etree.tostring的返回結(jié)果作為提取數(shù)據(jù)的依據(jù)
實例：爬取51.job的大數(shù)據(jù)職業(yè)信息的第一頁【requests+xpath】
分析：打開首頁，搜索大數(shù)據(jù)，定位是蘭州，F(xiàn)12調(diào)式查看，爬取工作名稱和公司名就好了
位置
import requests
from lxml import etree
url = "https://search.51job.com/list/270200,000000,0000,00,9,99,%25E5%25A4%25A7%25E6%2595%25B0%25E6%258D%25AE,2,1.html?lang=c&postchannel=0000&workyear=99&cotype=99°reefrom=99&jobterm=99&companysize=99&ord_field=0&dibiaoid=0&line=&welfare="
header = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36'
}
res = requests.get(url,headers=header)
res.encoding = "gbk"
#print(res.text)
data = etree.HTML(res.text)#加載成html樹
job_name = data.xpath("http://div[@class='e']/a/p/span/text()")
cname = data.xpath("/html/body/div[2]/div[3]/div/div[2]/div[4]/div[1]/div/div[2]/a/@title")
到此這篇關(guān)于python中requests庫+xpath+lxml簡單使用的文章就介紹到這了,更多相關(guān)requests庫+xpath+lxml使用內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python進(jìn)程管理工具supervisor安裝使用
supervisor是一個用python語言編寫的進(jìn)程管理工具,它可以很方便的監(jiān)聽、啟動、停止、重啟一個或多個進(jìn)程,本文給大家介紹python進(jìn)程管理工具supervisor安裝使用配置教程,感興趣的朋友一起看看吧2023-08-08
Pytorch Conda環(huán)境下載慢換源/刪源/恢復(fù)默認(rèn)源的簡單操作
隨著實驗增多,需要分割創(chuàng)建環(huán)境的情況時有出現(xiàn),在此情況下使用conda create --name xx python=3.10 pytorch torchvision pytorch-cuda -c nvidia -c pytorch -y這樣的指令創(chuàng)建時如果不換源,往往下載速度很慢,本文介紹了解決辦法,需要的朋友可以參考下2024-07-07
下面小編就為大家?guī)硪黄狿ython 常用string函數(shù)詳解。小編覺得挺不錯的，現(xiàn)在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2016-05-05
Python使用GeekConcurrent實現(xiàn)量化編程
這篇文章主要為大家詳細(xì)介紹了Python中的協(xié)程并發(fā)編程以及如何使用GeekConcurrent庫來實現(xiàn)面向量化編程,感興趣的小伙伴可以了解一下2025-02-02
這篇文章主要介紹了python 字典有序并寫入json文件過程解析,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-09-09
pytorch Variable與Tensor合并后 requires_grad()默認(rèn)與修改方式
這篇文章主要介紹了pytorch Variable與Tensor合并后 requires_grad()默認(rèn)與修改方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-05-05
在本文里小編給大家整理了關(guān)于Python字符串的一些操作方法和相關(guān)要點總結(jié)，有需要的朋友們可以學(xué)習(xí)下。2019-06-06
這篇文章主要為大家詳細(xì)介紹了python爬取淘寶商品詳情頁數(shù)據(jù)的相關(guān)資料，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-02-02
Python操作Excle文件：使用xlwt庫將數(shù)據(jù)寫入Excel表格，使用xlrd 庫從Excel讀取數(shù)據(jù)。這篇文章主要介紹了python簡單操作excle的方法,非常不錯，具有一定的參考借鑒價值，需要的朋友可以參考下2018-09-09
這篇文章主要介紹了如何基于pandas讀取csv后合并兩個股票,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-09-09