[已解决]爬虫问题

wzdyjn

import requests
from bs4 import BeautifulSoup
import time
url='https://mp.weixin.qq.com/s/rIJnUOh6dneTdIVXOldArA'
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36'}
req = requests.get(url, headers=headers)
soup = BeautifulSoup(req.text, "html.parser")
target=soup.find_all("div",class_="rich_media_content")
for each in target:
    print(each.h1.p.data-src)



我要的是p标签下的数据    我要下载的本书，都是图片，，，可怎么弄都弄不好 ，，哪位大师帮我看看，，谢谢

最佳答案

月排行榜 / 总排行榜

XiaoPaiShen

2020-2-9 02:53:54

wzdyjn 发表于 2020-2-9 01:55
十分感谢

请选择最佳答案，结贴

跳转到最佳答案楼层

wongyusing

你要抓的是p 标签 下的img标签中的src属性不是data-src属性

wzdyjn

wongyusing 发表于 2020-2-8 22:36
你要抓的是p 标签 下的img标签中的src属性不是data-src属性

对，，就是不怎么筛选出来，，，正则弄了半天  一头雾水

yjsx86

1. import requests
   
2. from lxml import etree
   
3. r = requests.get("https://mp.weixin.qq.com/s/rIJnUOh6dneTdIVXOldArA")
   
4. html = etree.HTML(r.text)
   
5. srcs = html.xpath('//img[contains(@class, "rich_pages")]/@data-src')
   
6. for src in srcs:
   
7.     print(src)

复制代码

wzdyjn

yjsx86 发表于 2020-2-9 01:07

十分感谢

XiaoPaiShen

wzdyjn 发表于 2020-2-9 01:55
十分感谢

请选择最佳答案，结贴

XiaoPaiShen

wzdyjn 发表于 2020-2-9 01:55
十分感谢

兄弟，你该选yjsx86这位老兄的回答为最佳答案