如何修改代码以爬取带有超链接的文本字段
在使用python爬虫获取网页正文时，可能会遇到无法抓取带有超链接的文本片段的情况。下面介绍一种方法修改代码来解决此问题：
首先，查看网页结构，确认所要抓取的文本段确实被包裹在标签内。然后修改xpath路径以获取所有
标签下的所有节点，其中包括文本和标签：
content = html.xpath('//div[@class="f14 l24 news_content mt25 zoom"]/p//node()')
之后，在处理内容时，对于每个节点判断其类型：如果是文本节点，则保留并追加到结果中；如果是标签，则只保留其文本部分并追加到结果中：
立即学习“Python免费学习笔记（深入）”；
import requestsfrom lxml import etree# 爬取并转化为html格式base_url = "https://www.solidwaste.com.cn/news/342864.html"resp = requests.get(url=base_url)html = etree.HTML(resp.text)# 更换编码方式为网页对应的编码encod = html.xpath('//meta[1]/@content')if encod != []: encod = encod[0].split("=")[-1] resp.encoding = encod html = etree.HTML(resp.text)# 获取网页正文content = html.xpath('//div[@class="f14 l24 news_content mt25 zoom"]/p//node()')content_deal = ""for node in content: if isinstance(node, etree._ElementUnicodeResult): content_deal += node.strip() + "n" elif isinstance(node, etree._Element) and node.tag == 'a': content_deal += node.text.strip() + "n"print(content_deal)
通过这些修改，您应该可以成功爬取带有超链接的文本字段。
以上就是如何使用 Python 爬虫抓取带有超链接的文本字段？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1353134.html
微信扫一扫 
支付宝扫一扫 
