目录
一、目标1：使用etree解析数据
二、目标2：使用xpath爬取指定数据
三、目标3：提取指定数据
四、网络安全小圈子
一、目标1：使用etree解析数据
其余的不用过多介绍，前面的练习都给大家已经过了一遍
def get_page():
url = 'https://www.chinaz.com/'
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:107.0) Gecko/20100101 Firefox/107.0",
}
res1 = requests.get(url, headers=headers, timeout=10)
res = res1.content.decode('utf-8')
tree = etree.HTML(res)其中数据解析代码如下
tree = etree.HTML(res)对返回的内容进行UTF-8解码，不然会出现乱码
res = res1.content.decode('utf-8') 二、目标2：使用xpath爬取指定数据
我们来爬一下这几个标题
找上一级
可以看到他们都在不同li标签下
所以他们的上一级标签ul相当于是我们的列表合集
定位xpath路径
定位li的xpath路径
因为我们要获取到ul下所有li列表
xpath路径如下
list = tree.xpath('//*[@id="cz"]/div[2]/div[3]/div/div[1]/div[1]/div/div[2]/div[2]/div/ul/li')
打印出来可以看见
三、目标3：提取指定数据
定位xpath
然后还有3个标签才到h2标签
遍历每一个目标标签，并转为text()格式
f = open('test', 'w', encoding ='utf-8')
for l in ul_list:
desc = l.xpath('./div/div[1]/a/h2/text()')[0]
print(desc + '\n')
f.write(str(desc) + '\n')
f.close()运行结果
完整代码
import requests
from lxml import etree
def get_page():
url = 'https://www.chinaz.com/'
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:107.0) Gecko/20100101 Firefox/107.0",
}
res1 = requests.get(url, headers=headers, timeout=10)
res = res1.content.decode('utf-8')
tree = etree.HTML(res)
ul_list = tree.xpath('//*[@id="cz"]/div[2]/div[3]/div/div[1]/div[1]/div/div[2]/div[2]/div/ul/li')
f = open('test', 'w', encoding ='utf-8')
for l in ul_list:
desc = l.xpath('./div/div[1]/a/h2/text()')[0]
print(desc + '\n')
f.write(str(desc) + '\n')
f.close()
if __name__ == '__main__':
get_page()四、网络安全小圈子
README.md · 书半生/网络安全知识体系-实战中心 - 码云 - 开源中国 (gitee.com)https://gitee.com/shubansheng/Treasure_knowledge/blob/master/README.md文章来源：https://www.toymoban.com/news/detail-542599.html
GitHub - BLACKxZONE/Treasure_knowledgehttps://github.com/BLACKxZONE/Treasure_knowledge文章来源地址https://www.toymoban.com/news/detail-542599.html
到了这里，关于【网络安全带你练爬虫-100练】第11练：xpath快速定位提取数据的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
