如何使用 Python 爬虫抓取带有超链接的文本字段？-Python教程-PHP中文网

如何使用 Python 爬虫抓取带有超链接的文本字段？

DDD

发布： 2024-11-14 17:03:30

原创

1083人浏览过

如何使用 python 爬虫抓取带有超链接的文本字段？

如何修改代码以爬取带有超链接的文本字段

在使用python爬虫获取网页正文时，可能会遇到无法抓取带有超链接的文本片段的情况。下面介绍一种方法修改代码来解决此问题：

首先，查看网页结构，确认所要抓取的文本段确实被包裹在<a>标签内。然后修改xpath路径以获取所有<p>标签下的所有节点，其中包括文本和标签：

content = html.xpath('//div[@class="f14 l24 news_content mt25 zoom"]/p//node()')

登录后复制

之后，在处理内容时，对于每个节点判断其类型：如果是文本节点，则保留并追加到结果中；如果是<a>标签，则只保留其文本部分并追加到结果中：

PhotoG

PhotoG是全球首个内容营销端对端智能体

121

查看详情

立即学习“Python免费学习笔记（深入）”；

import requests
from lxml import etree

# 爬取并转化为html格式
base_url = "https://www.solidwaste.com.cn/news/342864.html"
resp = requests.get(url=base_url)
html = etree.HTML(resp.text)

# 更换编码方式为网页对应的编码
encod = html.xpath('//meta[1]/@content')
if encod != []:
    encod = encod[0].split("=")[-1]
    resp.encoding = encod
    html = etree.HTML(resp.text)

# 获取网页正文
content = html.xpath('//div[@class="f14 l24 news_content mt25 zoom"]/p//node()')

content_deal = ""
for node in content:
    if isinstance(node, etree._ElementUnicodeResult):
        content_deal += node.strip() + "\n"
    elif isinstance(node, etree._Element) and node.tag == 'a':
        content_deal += node.text.strip() + "\n"

print(content_deal)

登录后复制

通过这些修改，您应该可以成功爬取带有超链接的文本字段。

以上就是如何使用 Python 爬虫抓取带有超链接的文本字段？的详细内容，更多请关注php中文网其它相关文章！