标签:content rap 一个 coding tty requests htm string url
这个一个爬去美团的例子,应为数据都是在script中,小心封ip,尽量少运行。
先导入库几个库
import requests from bs4 import BeautifulSoup from lxml import etree import js2xml
发送请求,获取到script里面的数据
url = "https://sz.meituan.com/meishi/" headers = {} response = requests.get(url, headers = headers) content = response.text bs = BeautifulSoup(content, "lxml") l = bs.select("body script")[13].string #获取到body中第十三个script里面的数据
然后在利用js2xml方法格式化之后再利用xpath来提取数据
src_text = js2xml.parse(l, encoding=‘utf-8‘, debug=False) print(type(src_text)) src_tree = js2xml.pretty_print(src_text) print(src_tree) selector = etree.HTML(src_tree) content = selector.xpath(‘//property[@name="poiId"]/number/@value‘) name = selector.xpath(‘//property[@name="title"]/string/text()‘)
就ok了
标签:content rap 一个 coding tty requests htm string url
原文地址:https://www.cnblogs.com/zengsf/p/9824377.html