一、说到信息筛选我们立马就会想到正则表达式，不过今天我们不讲正则表达式。因为对于爬虫来讲，正则表达式太复杂对新手十分不友好，而且正则表达式的容错率差，网页有稍微的改动就得重新写匹配表达式，另外正则表达式可读性几乎没有。当然，这并不是说正则不好，只是正则不适合爬虫和新手。其实正则是十分强大的，在后面的数据清洗里我们会用到正则。既然正则不能用，那该用什么呢？……继续阅读 » 搞java代码 1个月前 (05-24) 2浏览 0评论0个赞
1.简介XPath是一门在 XML 文档中查找信息的语言。XPath 用于在 XML 文档中通过元素和属性进行导航。相比于BeautifulSoup，Xpath在提取数据时会更加的方便。2. 安装在Python中很多库都有提供Xpath的功能，但是最基本的还是lxml这个库，效率最高。在之前BeautifulSoup章节中我们也介绍到了lxml是如何安……继续阅读 » 搞java代码 1个月前 (05-24) 1浏览 0评论0个赞
XPath 是什么？XPath的全称是 XML Path Language，即XML 路径语言，是一种在XML（HTML）文档中查找信息的语言。它有4点特性：XPath 使用路径表达式在 XML 文档中进行导航XPath 包含一个标准函数库XPath 是 XSLT 中的主要元素XPath 是一个 W3C 标准我们从网页中提取数据，主要应用前两点。……继续阅读 » 搞java代码 1个月前 (05-24) 1浏览 0评论0个赞
XML和XPATH用正则处理HTML文档很麻烦，我们可以先将HTML文件转换成XML文档，然后用XPath查找HTML节点或元素。XML 指可扩展标记语言（EXtensible Markup Language）XML 是一种标记语言，很类似 HTMLXML 的设计宗旨是传输数据，而非显示数据XML 的标签需要我们自行定义。XML 被设计为具有自……继续阅读 » 搞java代码 1个月前 (05-24) 2浏览 0评论0个赞
xpath速度比较快，是爬虫在网页定位中的较优选择，但是很多网页前端代码混乱难以定位，而学习定位也较为不易，这里列出一点编程过程中可能有用的东西。试验环境：Python环境，lxml.etree试验所使用的html代码<!DOCTYPE html><html><head> &nb……继续阅读 » 搞java代码 1个月前 (05-24) 2浏览 0评论0个赞
使用Xpath或CSS定位find_element_by_<a href="https://www.gaodaima.com/tag/xpath" title="查看更多关于xpath的文章" target="_blank">xpath</a>("//标签[<……继续阅读 » 搞java代码 1个月前 (05-21) 0浏览 0评论0个赞
XPath 语言XPath（XML Path Language）是XML路径语言,它是一种用来定位XML文档中某部分位置的语言。学习目的将HTML转换成XML文档之后，用XPath查找HTML节点或元素比如用“/”来作为上下层级间的分隔，第一个“/”表示文档的根节点（注意，不是指文档最外层的tag节点，而是指文档本身）。比如对于一个HTML文件来说……继续阅读 » 搞java代码 1个月前 (05-21) 0浏览 0评论0个赞
一、简介XPath 是一门在 XML 文档中查找信息的语言。XPath 可用来在 XML 文档中对元素和属性进行遍历。XPath 是 W3C XSLT 标准的主要元素，并且 XQuery 和 XPointer 都构建于 XPath 表达之上。二、安装pip3 install l<a href="https://www……继续阅读 » 搞java代码 1个月前 (05-21) 0浏览 0评论0个赞
