爬虫笔记（二）：实战58二手房
第一：给大家推荐一个爬虫的网课哈，码起来
第二：今夜主题：通过xpath爬取58二手房的title信息，也就是标红的位置~
第三：先分析一波title所在的位置
- 打开按下
f12打开抓包工具，即可看到网站的源码，逐步定位至房子信息的部分
- 我们以第一个房子信息为例，找到它的
title位置，最终发现它在<h3>这个位置~
- 目前，我们就需要在网页的源码上获取到
<section class="list">下的<h3>里的文本信息
第四：想要获取某个标签下的文本信息或是属性信息，我们就要借助xpath啦，当然在网课里，老师讲了用正则表达式或bs4也可以，但是由于时间有限，我就直接学xpath啦
至于xpath是啥呢，简而言之，就是在网页的源码中定位至某一标签，并且获取标签内容或是属性的解析工具
# 使用xpath，首先，需要安装lxml的包
from lxml import etree# 第二，实例化etree对象
# 2.1 解析本地的html文件
page_etree = etree.parse('本地html地址')
# 2.2 直接加载网页的源码
page_etree = etree.HTML(page_text)
# 通过xpath表达式定位至某一标签，当然获得是列表哈
list = page_etree.xpath('xpath表达式')
至于xpath表达式怎么码嘞，记住以下几点~
咱们以下面这个html->head标签下的title为例哈
# 通过/html/head/title可以逐步定位至<html><head><title></title></head></html>的位置，而/text()则可以获取title标签内的文本内容
list = page_etree.xpath('/html/head/title/text()')
print(list)# 但是如果这样逐步定位，实在太麻烦了
# 比如说咱们现在需要定位的房子信息的title，需要写好多级的section和div，总不能一个个数叭
# 通过"//"就搞定啦，"//"就可以直接跨越多个标签层级，直接定位到符合条件的那一个标签啦
list = page_etree.xpath('//title/text()')
print(list)
如果说，有多个title，例如下面这个情况，但是我们只想获得特定的title的内容，只需要加入class即可
<html><head><title class="t1">xxxxxxx</title><title class="t2">xxxxxxx</title><title class="t3">xxxxxxx</title></head>
</html>
# 这样就可以获取<title class="t3">xxxxxxx</title>里的文本内容啦
list = page_etree.xpath('//title[@class="t2"]/text()')
那如果要获取某一标签内的属性，例如说<a href="网站链接" />中的链接怎么办嘞，以咱们房子信息中的这个<a>标签为例哈
# 这里可以注意两处用了"//"的地方
list = page_etree.xpath('//section[@class="list"]//a/@href')
第五：开码，码完就睡
import requests
from lxml import etreeif __name__ == "__main__":headers = {'User-Agent': 'xxxxx',}url = 'https://bj.58.com/ershoufang/'# 发送get请求page_text = requests.get(url=url, headers=headers).text# 实例化对象page_etree = etree.HTML(page_text)# 根据xpath表达式获取信息# 注意这里获取的是这个房子一整个信息的div标签，其中包含左侧的房子图片，title和详细信息及价钱list = page_etree.xpath('//section[@class="list"]/div')f = open('page/58_1.txt', 'w', encoding='utf-8')for item in list:# 在这里，将div标签中的title标签抽出来，保存在txt文件里就完事啦# 因为xpath获取的结果是一个列表，所以需要在后面加上索引[0]title = item.xpath('./a/div[@class="property-content"]/div/div/h3/text()')[0]f.write(title + '\n')
一开始，我为了方便，也采用了下面这个写法
# 在section标签下直接获取h3标签下的内容，貌似也行~list = page_etree.xpath('//section[@class="list"]//h3/text()')f = open('page/58.txt', 'w', encoding='utf-8')for item in list:f.write(item + '\n')
注意：如果返回的结果为空，回到58二手房的页面刷新一下，点击按钮验证一下即可
相关文章：
爬虫笔记（二）：实战58二手房
第一：给大家推荐一个爬虫的网课哈，码起来 第二：今夜主题：通过xpath爬取58二手房的title信息，也就是标红的位置~ 第三：先分析一波title所在的位置 打开按下f12打开抓包工具，即可看到网站的源码…...
一站式VR全景婚礼的优势表现在哪里？
你是否想过，婚礼也可以用一种全新的方式呈现，VR全景婚礼让每位用户沉浸式体验婚礼现场感。现在很多年轻人，都想让自己的婚礼与众不同，而VR全景婚礼也是未来发展的方向之一。 很多婚庆公司开通了VR婚礼这一服务，就是通过…...
【硅谷甄选】强制使用 pnpm 包管理器工具
强制使用pnpm包管理器工具 团队开发项目的时候，需要统一包管理器工具，因为不同包管理器工具下载同一个依赖，可能版本不一样，导致项目出现bug问题，因此包管理器工具需要统一管理。 在根目录创建scripts/preinstall.js…...
PHP AES加解密系列
PHP AES加密 使用PHP内置的mcrypt扩展库可以轻松地实现AES加密。 <?php function aes_encrypt($data, $key, $iv) {$cipher mcrypt_module_open(MCRYPT_RIJNDAEL_128, , MCRYPT_MODE_CBC, );mcrypt_generic_init($cipher, $key, $iv);$encrypted mcrypt_generic($ciphe…...
QT基础篇（13）QT5数据库
1.数据库基本概念 数据库（Database）是指存储、管理和组织数据的集合。它是一个组织化的、可持久化的数据集合，用于支持数据的存储、检索、更新和管理。 数据库系统（Database System）是建立在计算机上的数据管理系统&…...
ctfshow信息收集(web1-web20)
目录 web1 web2 web3 web4 web5 web6 web7 web9 web10 web11 web14 web15 web16 web17 web18 web19 web20 web1 根据提示的孩子开发的时候注释没有被及时删除 web2 js原因无法查看源代码 第一种方法 在url前加入 view-source： 会显示页面源代…...
从零学习Hession RPC
为什么学习Hessian RPC？ 存粹的RPC，只解决PRC的四个核心问题（1.网络通信2.协议 3.序列化 4.代理）Java写的HessianRPC落伍了，但是它的序列化方式还保存着，被Dubbo(Hessian Lite)使用。 被落伍，只…...
实施精细化管理的六大关键步骤
在当今高度竞争的市场环境中，企业若想脱颖而出，必须实现精细化管理。这不仅是为了提高效率，更是为了确保在复杂多变的市场中保持领先地位。通过以下六个关键步骤，企业可以构建一个强大的精细化管理体系，从而为未来的成…...
QT+C++环境调用python函数可以进入python环境和模块，但是调用功能函数错误
QTC环境使用Python.h调用python函数可以进入python环境和模块，但是调用功能函数错误 背景： 定义的python函数使用了其他库封装好的函数，在python环境下运行此程序毫无问题但是QT调用却显示调用此函数出错，此时调用此.py文件内的其…...
2024.1.24力扣每日一题——美丽塔I
2024.1.24 题目来源我的题解方法一 暴力枚举方法二 单调栈前、后缀和 题目来源 力扣每日一题；题序：2865 我的题解 方法一 暴力枚举 将每个位置都作为山峰来进行遍历，计算每个山峰下的最大山脉数组和 时间复杂度：O( n 2 n^2 n2)…...
视频监控平台EasyCVR增加fMP4流媒体视频格式及其应用场景介绍
近期我们在视频监控管理平台EasyCVR系统中新增了HTTP-FMP4播放协议，今天我们就来聊聊该协议的特点和应用。 fMP4（Fragmented MPEG-4）是基于MPEG-4 Part 12的流媒体格式，是流媒体的一项重要技术，因为它能通过互联网传送…...
使用Python的pygame库实现迷宫游戏
使用Python的pygame库实现迷宫游戏 关于Python中pygame游戏模块的安装使用可见 https://blog.csdn.net/cnds123/article/details/119514520 先给出效果图： 这个游戏每次运行能自动随机生成迷宫布局。 在这个游戏中，玩家将使用键盘箭头键来移动&#x…...
Linux新手村必备！这些常用操作命令你掌握了吗？
在计算机的世界里，Linux操作系统以其强大的功能和灵活性受到了广大程序员和IT爱好者的喜爱。然而，对于初学者来说，Linux的操作命令可能会显得有些复杂和难以理解。 今天，我们就来一起探索一些Linux常用操作命令，让你的…...
ReactNative进阶（三十六）：iPad横屏适配
文章目录 一、前言二、实现思路三、延伸阅读四、拓展阅读 一、前言 应用RN技术栈实现APP上线后，业务部门领导会上反馈未实现ipad横屏全屏展示，用户体验较差。由此，一场pad横屏全屏展示的APP调优工作由此开展。 二、实现思路 时间紧任务重&…...
jsx中使用插槽
1. jsx语法中使用插槽 以elementplus ElPopconfirm 为例 <el-popconfirm title"Are you sure to delete this?"><template #reference><el-button>Delete</el-button></template></el-popconfirm>使用 slots: {default: (dat…...
CentOS服务器拒绝SSH登录
当CentOS服务器拒绝SSH登录时，有几个可能的原因和解决方法： 检查网络连接：确保服务器与您的计算机之间的网络连接是正常的。您可以尝试使用其他网络连接或ping服务器以检查是否能够访问。 确认SSH服务正在运行：在服务器上确认SSH…...
React16源码: React中的completeUnitOfWork的源码实现
completeUnitOfWork 1 ）概述 各种不同类型组件的一个更新过程对应的是在执行 performUnitOfWork 里面的 beginWork 阶段它是去向下遍历一棵 fiber 树的一侧的子节点，然后遍历到叶子节点为止，以及 return 自己 child 的这种方式在 performUni…...
uniapp移动端——企业微信H5调用jssdk实现扫一扫，通过weixin-java-cp获取ticket签名，配置config
背景： 使用企业微信开发扫一扫功能 可信域名验证 (1)企业微信的可信域名需要和企业微信的备案主体一致。 域名备案主体可通过站长工具查看域名备案主体。https://icp.chinaz.com/ 企业微信备案主体可以咨询管理员 （2）通过nginx配置域名归…...
【前端基础--1】
为后面爬虫打基础 使用Visual Studio Code（VS Code） https://code.visualstudio.com/#alt-downloads 网页基础 创建一个html网页 新建一个文件 文件名后缀.html 书写网页模板 html:5 回车键（或者Tab键）英文感叹号! 回…...
E2 Mysql的基本操作和用户权限
一、实验目的: 要求掌握Mysql平台的基本操作和基本的权限管理。 二、实验要求: 1、基本硬件配置:英特尔Pentium III 以上,大于4G内存； 2、软件要求:Mysql； 3、时间:4小时； 4、撰写实验报告并按时提交。 三、实验内容: Group 1: 安装Mys…...
【kafka】Golang实现分布式Masscan任务调度系统
要求： 输出两个程序，一个命令行程序（命令行参数用flag）和一个服务端程序。 命令行程序支持通过命令行参数配置下发IP或IP段、端口、扫描带宽，然后将消息推送到kafka里面。 服务端程序： 从kafka消费者接收…...
el-switch文字内置
el-switch文字内置 效果 vue <div style"color:#ffffff;font-size:14px;float:left;margin-bottom:5px;margin-right:5px;">自动加载</div> <el-switch v-model"value" active-color"#3E99FB" inactive-color"#DCDFE6"…...
Python实现prophet 理论及参数优化
文章目录 Prophet理论及模型参数介绍Python代码完整实现prophet 添加外部数据进行模型优化 之前初步学习prophet的时候，写过一篇简单实现，后期随着对该模型的深入研究，本次记录涉及到prophet 的公式以及参数调优，从公式可以更直观…...
uniapp微信小程序视频实时流+pc端预览方案
方案类型技术实现是否免费优点缺点适用场景延迟范围开发复杂度WebSocket图片帧定时拍照Base64传输✅ 完全免费无需服务器 纯前端实现高延迟高流量 帧率极低个人demo测试 超低频监控500ms-2s⭐⭐RTMP推流TRTC/即构SDK推流❌ 付费方案 （部分有免费额度&#x…...
NLP学习路线图（二十三）：长短期记忆网络（LSTM）
在自然语言处理（NLP）领域，我们时刻面临着处理序列数据的核心挑战。无论是理解句子的结构、分析文本的情感，还是实现语言的翻译，都需要模型能够捕捉词语之间依时序产生的复杂依赖关系。传统的神经网络结构在处理这种序列依赖时显得力不从心，而循环神经网络（RNN） 曾被视为…...
多种风格导航菜单 HTML 实现（附源码）
下面我将为您展示 6 种不同风格的导航菜单实现，每种都包含完整 HTML、CSS 和 JavaScript 代码。 1. 简约水平导航栏 <!DOCTYPE html> <html lang"zh-CN"> <head><meta charset"UTF-8"><meta name"viewport&qu…...
Map相关知识
数据结构 二叉树 二叉树，顾名思义，每个节点最多有两个“叉”，也就是两个子节点，分别是左子 节点和右子节点。不过，二叉树并不要求每个节点都有两个子节点，有的节点只 有左子节点，有的节点只有…...
排序算法总结（C++）
目录 一、稳定性二、排序算法选择、冒泡、插入排序归并排序随机快速排序堆排序基数排序计数排序 三、总结 一、稳定性 排序算法的稳定性是指：同样大小的样本 **（同样大小的数据）**在排序之后不会改变原始的相对次序。 稳定性对基础类型对象…...
[ACTF2020 新生赛]Include 1(php://filter伪协议)
题目 做法 启动靶机，点进去 点进去 查看URL，有 ?fileflag.php说明存在文件包含，原理是php://filter 协议 当它与包含函数结合时，php://filter流会被当作php文件执行。 用php://filter加编码，能让PHP把文件内容…...
android RelativeLayout布局
<?xml version"1.0" encoding"utf-8"?> <RelativeLayout xmlns:android"http://schemas.android.com/apk/res/android"android:layout_width"match_parent"android:layout_height"match_parent"android:gravity&…...