鱼C论坛

 找回密码
 立即注册
查看: 1725|回复: 1

写的一个爬虫,内容我已经都可以爬出来了,请问要怎么将不需要的中文字符给删...

[复制链接]
发表于 2021-10-27 10:30:05 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
本帖最后由 sym945 于 2021-10-27 10:31 编辑

大佬们,公司老大一个任务,需要爬一个博客内容,内容我已经都选好都可以输出了,但是里面有一些多余不用的,我已经将代码还有不需要的内容截图了,就是下边的截图,红框的是不需要的多余标题部分,要怎么才能把不需要的那几行给删除,输出剩下的呢?这个博客是个反共的黑客的,爬好内容之后,要将内容发邮件给网警的
微信图片_20211027102709.png
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2021-10-27 21:30:15 | 显示全部楼层
import requests
from lxml import etree


def main():
    url = 'http://www.fangongheike.com/'
    proxies = {'http': "127.0.0.1:10809"}
    headers = {'user-agent': 'firefox'}
    r = requests.get(url, headers=headers, proxies=proxies)
    html = etree.HTML(r.text)
    result = html.xpath('//h3[@itemprop="name"]/a/text()')[2:]
    print(result)


if __name__ == '__main__':
    main()
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2024-9-21 09:20

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表