爬糗事百科又出问题了，这个xpath该怎么写呢

小鱼米

手写的xpath，换了几种思路都只能得到空列表image_list

思路1：
//div[@class="mala-text"]/div[position()=2]//img/@src

思路2：
//div[@class="mala-text"]/div[2]//img/@src

思路3：
//div[@class="mala-text"]/div[contains(@style,'center')]//img/@src

大神帮忙看看~





代码：

import os

from lxml import etree

import requests


class Qsbk(object):

    def __init__(self):

        self.url = 'http://www.qiubaichengren.net/1.html'
        self.headers = {

            'user-agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36',
            'Referer':'http://www.qiubaichengren.net/'
                   }
        self.next_url = 'http://www.qiubaichengren.net/{}.html'
        self.offset = 2

    def get_data(self,url):

        response = requests.get(url,headers = self.headers)

        return response.content

    def parse_data(self,data):

        html = etree.HTML(data)
        image_list = html.xpath('//div[@class="mala-text"]/div[position()=2]/a/img/@src')
        print(image_list)
        return image_list

    def downloader(self,image_list):

        if not os.path.exists('images'):
            os.mkdir('images')

        for url in image_list:
            data = self.get_data(url)
            filename = 'images' + os.sep + url.split('/')[-1]
            with open(filename, 'wb')as f:
                f.write(data)


    def run(self):

        # 发送请求,接收响应
        url = self.url.format(self.offset)
        while True:
            data = self.get_data(url)
            image_list = self.parse_data(data)
            self.downloader(image_list)
            url = self.next_url.format(self.offset)
            if image_list == []:
                break
            else:
                self.offset += 1


if __name__ == '__main__':

    qsbk = Qsbk()
    qsbk.run()

无符号整形

所以你不是匹配成功了嘛。

小鱼米

无符号整形 发表于 2018-7-30 21:01
所以你不是匹配成功了嘛。

对，但是得到的image_list是个空列表，不知道为啥。。

无符号整形

小鱼米 发表于 2018-7-30 21:09
对，但是得到的image_list是个空列表，不知道为啥。。

可能xpath的用法错了，或者是网页是用js动态加载的。

小鱼米

无符号整形 发表于 2018-7-30 21:11
可能xpath的用法错了，或者是网页是用js动态加载的。

应该没用到动态加载，我数据也不在js里，可能还是xpath写的有问题

mongoole

1.xpath写法

'//p/span//img/@src'

2.正则写法

pattern = re.compile('<img alt=.*? src="(.*?)".*? />', re.S)
items = re.findall(pattern, html)