@H_403_1@import requests from lxml import html url='https://music.douban.com/' #需要爬的网址 page=requests.Session().get(url) tree=html.fromstring(page.text) result=tree.xpath('//tr//a/text()') #需要获取的数据 result1=tree.xpath('//tr//a/@href') result2=tree.xpath('//tr[last()]//a/@href') print(result) print(result1) print(result2)
我们爬取一下豆瓣音乐专区，其中url便是我们要爬取的网址，而tree.xpath()中的内容便是该网址中我们要获取的数据，显而易见，该程序爬取了三部分内容，//tr//a/text()便是需要抓取内容的路径，意思是所有标签下的tr标签的所有a标签的文本内容，是不是有点绕口，其实这就是一个相对路径，注意一个‘/’和两个‘/’的区别，可以分别理解成绝对路径和“所有”~~