python爬虫——lxml的使用

最新推荐文章于 2023-12-03 12:22:42 发布

过气久远

最新推荐文章于 2023-12-03 12:22:42 发布

阅读量1k

点赞数 3

CC 4.0 BY-SA版权

分类专栏： python爬虫与信息提取

本文链接：https://blog.youkuaiyun.com/weixin_42596724/article/details/87949917

本文介绍了使用Python的lxml库进行网页爬取，以爬取豆瓣电影Top250为例，分享了User-Agent获取、XPath选择元素、csv文件写入以及遇到的乱码问题及解决方案。作者表达了对lxml库的偏好，并提到它在效率上的优势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

为了更好的学习scrapy库，我决定先其前驱内容lxml库
此次我们爬取豆瓣电影Top250
代码如下：

import requests 
from lxml import etree
import time
import csv
headers={
   
   
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'
    }
fp=open('F://textcode/doubant250.csv','wt',encoding='utf-8')
writer=csv.writer(fp)
writer.writerow(('ranking','name',