标签：safari   gecko   pytho   byte   fan   idt   https   int   pre   

1、需求

获取58同城上所有房源的标题信息
https://bj.58.com/ershoufang/

2、分析

使用抓包工具进行分析

发现所有的房源标题信息，均存在于ul属性class=house-list-wrap下的li标题中

用xpath形式写为：//ul[@class=“house-list-wrap”]/li

具体的内容存在于li标签下第二个div标签的a标签中。

用xpath形式写为：//ul[@class=“house-list-wrap”]/li/div[2]/h2/a/text()

3、代码

from lxml import etree
import requests

if __name__ == "__main__":
    url = ‘https://bj.58.com/ershoufang/‘
    headers = {
        ‘User-Agent‘:‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36‘
    }
    # 爬取到页面源码数据
    page_text = requests.get(url=url,headers=headers).text
    # 数据解析
    tree = etree.HTML(page_text)
    # 存储li标签对象
    li_list = tree.xpath(‘//ul[@class="house-list-wrap"]/li‘)
    with open(‘./58.txt‘,‘w‘,encoding=‘utf-8‘) as fp:
        for li in li_list:
            title = li.xpath(‘./div[2]/h2/a/text()‘)
            print(title)
            fp.write(title+‘\n‘)

4、实现效果

源码或者完整代码加群：1136192749

Python爬虫——基于xpath爬取58同城房源信息！

标签：safari   gecko   pytho   byte   fan   idt   https   int   pre   

原文地址：https://www.cnblogs.com/A3535/p/13582263.html