盘点一个Python网络爬虫实战问题

大家好，我是皮皮。

一、前言

前几天在Python钻石交流群【海南菜同学】问了一个Python网络爬虫的选择器提取问题，下图是截图：

代码初步看上去好像没啥问题，但是结果就是不对。

1from lxml import etree
2import requests
3url = "http://zw.hainan.gov.cn/wssc/emalls.html"
4headers = {
5    "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36"
6}
7html = requests.get(url,headers=headers)
8html = html.content.decode('utf-8')
9doc = etree.HTML(html)
10res = doc.xpath('/html/body/div[5]/ul/text()')
11print('*-*--'*20)
12for item in res:
13    print(type(item))
14    print(item[0])
15
16print('*-*--'*20)

初步判断是xpath写得有问题。

二、实现过程

这里【猫药师Kelly】确认了需求，如下所示：

修改提取规则，运行之后可以顺利得到预期的文本：

运行之后，可以得到想要的结果：

后来粉丝就顺利地解决了，代码如下所示：

1import requests
2url = "http://zw.hainan.gov.cn/wssc/emalls.html"
3headers = {
4    "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36"
5}
6html = requests.get(url,headers=headers)
7html = html.content.decode('utf-8')
8doc = etree.HTML(html)
9res = doc.xpath('.//div/ul/li/a[2]/text()')
10print('*-*--'*20)
11for item in res:
12    print(type(item))
13    print(item)
14
15print('*-*--'*20)

网络爬虫的时候，记得养成好习惯，加请求头啊！

三、总结

大家好，我是皮皮。这篇文章主要盘点了一个Python网络爬虫的问题，文中针对该问题给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。

最后感谢粉丝【海南菜同学】提问，感谢【dcpeng】、【猫药师Kelly】、【薄荷味的鱼】给出的思路和代码解析，感谢【人间欢喜】、【此类生物】、【甯同学】等人参与学习交流。