@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”~~