BeautifulSoup4通过lxml使用Xpath，以及获取（定位）元素和其文本或者属性

小小爬虾2024-05-25 19:15

环境：win10，python3.8.10

首先需要安装：beautifulsoup4，lxml

使用命令：

复制代码

pip38 install beautifulsoup4
pip38 install lxml

安装完毕后查看一下：

写代码：

复制代码

from bs4 import BeautifulSoup 
from lxml import etree 
import requests 


URL = "https://www.xxx.com"

HEADERS = ({'User-Agent': 
			'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 \ 
			(KHTML, like Gecko) Chrome/44.0.2403.157 Safari/537.36',\ 
			'Accept-Language': 'en-US, en;q=0.5'}) 

webpage = requests.get(URL, headers=HEADERS) 
soup = BeautifulSoup(webpage.content, "html.parser") 
dom = etree.HTML(str(soup)) 
print(dom.xpath('//*[@id="firstHeading"]')[0].text)

这里针对xpath获取（定位）元素的方法，还有几点注意事项：

（1）一个属性（如property）中包含 $即这个属性值是a b c d这样的样式$ 某个字符串（如og:description）的写法

复制代码

dom.xpath("//meta[contains(@property,'og:description')]")

（2）上述代码的结果是一个列表，使用时一般要转成单个（加 $0$ 或者用循环）

（3）获取其标签内的文本用元素.text，获取其某个属性用元素.get('属性')

（4）最后注意一点，浏览器网页F12出来的数据，和selenium、requests出来的数据，有时候是不一样的，要根据你使用的获取响应的实际数据来定位元素。

上述内容参考：

（1）How to use Xpath with BeautifulSoup ? - GeeksforGeeks

（2）汇总selenium利用xpath等找网页节点的方法_webdriver xpath 查询指定节点下的子节点-CSDN博客

（3）汇总selenium利用xpath等找网页节点的方法(二)-CSDN博客

（4） xpath定位不包含某种属性的元素_xpath 不包含属性-CSDN博客

（5）用selenium和xpath定位元素并获取属性值以及str字符型转json型_python selenium xpath设置元素属性值-CSDN博客

（6）js通过xpath定位元素并且操作元素以下拉框select为例_js xpath-CSDN博客

（7）bs4(beautifulsoup4)获取div部分文本内容（标签下的文本及子标签文本问题）_beautiful解析一部分div-CSDN博客