导航栏名称及url爬取

针对无法通过curl获取的JS网页,博主通过复制HTML节点并使用Python爬虫进行导航栏名称和URL的抓取,探讨了可能的优化方案。

不知道为啥这个js网页是curl不下来的,就将html节点复制了下来,然后用了如下代码爬取:

'''
//*[@id="catalog-undefined"]/span/a
/body/div[1]/div[5]/div/div/div[1]/div[2]/div[1]/div[1]/nav/div/div[2]/div/div/div/div[1]/div[3]/div[1]/div/div/div[8]/span[3]/span/div/span/span/a
/body/div[1]/div[5]/div/div/div[1]/div[2]/div[1]/div[1]/nav/div/div[2]/div/div/div/div[1]/div[3]/div[1]/div/div/div[11]/span[3]/span/div/span/span/a
/body/div[1]/div[5]/div/div/div[1]/div[2]/div[1]/div[1]/nav/div/div[2]/div/div/div/div[1]/div[3]/div[1]/div/div//span[3]/span/div/span/span/a
'''

xpath='/html/body/div[1]/div[5]/div/div/div[1]/div[2]/div[1]/div[1]/nav/div/div[2]/div/div/div/div[1]/div[3]/div[1]/div/div//span[3]/span/div/span/span/a'
file='yashu_body.html'
base='https://www.yuque.com'

from lxml import etree

html = etree.parse(file, etree.HTMLParser())
for e in html.xpath(xpath):
	print(e.attrib['title']+'\n'+base+e.attrib['href'])

不知道有没有更好的方式。

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值