html_etree = etree.HTML(repones) #利用lxml解析上面爬取的html文件 html_etree = etree.HTML(repones) #过滤 li = html_etree.xpath('//*[@id="content"]/div/div[1]/ol/li') for a in li: #电影名称 name = a.xpath('./div/div[2]/div[1]/a/span[1]/text()')[0] # print (name) #链接 dy_url = a.xpath('./div/div[2]/div[1]/a/@href')[0] # print (dy_url) #评分 rating = a.xpath('./div/div[2]/div[2]/div/span[1]/@class')[0] # print (rating) rating_num = a.xpath('./div/div[2]/div[2]/div/span[2]/text()')[0] # print (rating_num) content = a.xpath('./div/div[2]/div[2]/div/span[4]/text()')[0] print (content,name,dy_url,rating,rating_num)
时间: 2024-01-28 15:04:56 浏览: 153
python lxml中etree的简单应用
根据你提供的代码,你使用了 `lxml` 库对爬取到的 HTML 内容进行解析,并从中提取了电影名称、链接、评分等信息。
首先,你使用 `etree.HTML()` 方法将 `repones`(即爬取到的 HTML 内容)传递给 `etree.HTML`,以便使用 `lxml` 解析库解析 HTML。
然后,你使用 `xpath()` 方法从解析后的 HTML 树中提取所需的信息。在这个例子中,你使用了 XPath 表达式来定位电影列表的每个 `<li>` 元素。然后,对于每个 `<li>` 元素,你使用 XPath 表达式来提取电影名称、链接、评分等信息。
最后,你使用 `print()` 函数将提取到的电影信息打印出来。
请注意,代码中的 XPath 表达式是根据具体页面结构编写的,如果你爬取的网页结构有所变化,可能需要相应调整 XPath 表达式来匹配正确的元素。
阅读全文