[已解决]关于pytharm中用xpath提取标题不完全的问题

852563049

# 拿到页面源代码，提取解析数据
import requests
from lxml import etree

url = "https://www.zbj.com/fw/?k=saas"
resp = requests.get(url)

# 解析
html = etree.HTML(resp.text)

# 拿到每个服务商的div
divs = html.xpath('//*[@id="__layout"]/div/div[3]/div/div[4]/div/div[2]/div[1]/div')
for div in divs:
    price = div.xpath("./div/div[3]/div[1]/span/text()")[0].strip("¥")
    title = div.xpath("./div/div[3]/div[2]/a/text()")
    cname = div.xpath("./div/a/div[2]/div[1]/div/text()")
    print(title)
其中title打印出来会缺少搜索关键字saas，因为在网页源代码中saas是作为高亮（hl）显示的，请问大佬这种情况应该如何解决

最佳答案

月排行榜 / 总排行榜

FishC

2024-4-14 16:21:16

大佬这里来了！要解决这个问题，你需要对XPath表达式进行一些修改。由于“saas”是作为高亮显示的，它实际上位于`<em>`元素内部。因此，只需将XPath表达式修改为提取`<a>`标签下所有文本和子元素的文本，就可以包含高亮显示的关键字“saas”。下面是修改后的代码示例：

# 拿到每个服务商的div
divs = html.xpath('//*/div/div/div/div/div/div/div/div')
for div in divs:
    price = div.xpath("./div/div/div/span/text()").strip("¥")
    title = div.xpath("./div/div/div/a//text()")
    cname = div.xpath("./div/a/div/div/div/text()")
    print(title)

上述代码中的`./div/div/div/a//text()`使用了两个斜杠（`//`）来表示提取`<a>`标签下所有文本和子元素的文本。这样，你应该能够正确地提取标题。

希望这能帮到你！继续加油编程吧！如果有更多问题，欢迎随时提问。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

跳转到最佳答案楼层

FishC

大佬这里来了！要解决这个问题，你需要对XPath表达式进行一些修改。由于“saas”是作为高亮显示的，它实际上位于`<em>`元素内部。因此，只需将XPath表达式修改为提取`<a>`标签下所有文本和子元素的文本，就可以包含高亮显示的关键字“saas”。下面是修改后的代码示例：

# 拿到每个服务商的div
divs = html.xpath('//*/div/div/div/div/div/div/div/div')
for div in divs:
    price = div.xpath("./div/div/div/span/text()").strip("¥")
    title = div.xpath("./div/div/div/a//text()")
    cname = div.xpath("./div/a/div/div/div/text()")
    print(title)

上述代码中的`./div/div/div/a//text()`使用了两个斜杠（`//`）来表示提取`<a>`标签下所有文本和子元素的文本。这样，你应该能够正确地提取标题。

希望这能帮到你！继续加油编程吧！如果有更多问题，欢迎随时提问。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

852563049

FishC 发表于 2024-4-14 16:21
大佬这里来了！要解决这个问题，你需要对XPath表达式进行一些修改。由于“saas”是作为高亮显示的，它实际 ...

感谢感谢