爬虫问题---获取文本内容

小强工作室

如何获取标签span中的内容

幽梦三影

可以用xpath
from lxml import etree
select = etree.HTML(html)
result = select.xpath( '//p[@class="update"]/span/text()')

小强工作室

幽梦三影 发表于 2018-9-12 20:50
可以用xpath
from lxml import etree
select = etree.HTML(html)

非常感谢你的回答。我想获得每本书 有多少字，方框里应该为429.40或140.99  我用的是xpath，可是返回值为空表，感觉网站对字数做了加密处理

塔利班

小强工作室 发表于 2018-9-13 08:07
非常感谢你的回答。我想获得每本书 有多少字，方框里应该为429.40或140.99  我用的是xpath，可是返回值为 ...

应该是有加密，不然为什么你看到的是5个方框呢

幽梦三影

没遇到过框框的情况，换个浏览器试试,我用手机都可以

wongyusing

这里并不是方框，你说的方框内容如下：

1. 𘞵𘞸𘞷𘞵𘞼𘞸𘞻

复制代码

我没看错的话，它是靠大概前面样式的链接中的.tff文件来返回字数的。  
注意，每个tff文件都不相同。也就是说，你在每一页都要破解ttf文件中内容的位置，上面的代码就是ttf文件的数字位置位置（对应大小）  
你要在浏览器中的调试器的NetWork中才能看到，源代码是看不到的。

wongyusing

简单来说，这里不算是文本内容，他是一个标签

塔利班

幽梦三影 发表于 2018-9-13 11:02
没遇到过框框的情况，换个浏览器试试,我用手机都可以

360，火狐，谷歌都是框框，你用的什么手机浏览器

wongyusing

我的答案审核中，好烦啊。  
真正意义上，这个框框不属于文本内容

wongyusing

塔利班 发表于 2018-9-13 12:40
360，火狐，谷歌都是框框，你用的什么手机浏览器

这个取决于的url和浏览器头。手机和电脑的链接是不一样的

塔利班

wongyusing 发表于 2018-9-13 15:21
这个取决于的url和浏览器头。手机和电脑的链接是不一样的

只是用urllib.request.urlopen，看见那里是用anti-spider字体给处理了

wongyusing

塔利班 发表于 2018-9-13 15:26
只是用urllib.request.urlopen，看见那里是用anti-spider字体给处理了

早上我写的答案有特殊文字，需要审核。好烦啊。  
起点这个防爬，挺麻烦的，小说字数那个只能像楼上的说，从手机端获取。  
还是和图书的那个网站的内容好玩点，爬下来的数据让人一脸蒙比