发送get请求
from requests_html import HTMLSession
session = HTMLSession()
发出GET请求:
resposse = session.get(‘http://news.qq.com/’)
2.2 按原样获取页面上所有链接的列表(不包括锚点):
#按原样获取页面上所有链接的列表(不包括锚点):
print(r.html.links)
#输出内容:{‘http://www.mohrss.gov.cn/’, ‘http://www.dahe.cn/’, …}
2.3 以绝对形式抓取页面上所有链接的列表(锚点除外):
以绝对形式抓取页面上所有链接的列表(锚点除外):
print(r.html.absolute_links)
#输出内容:{‘http://new.qq.com/omn/20180630A0L1ED.html’, ‘http://news.qq.com/a/20180624/001511.htm’, ‘http://new.qq.com/omn/20180630A12MEU.html’, …}
2.4使用CSS选择器选择一个元素:
使用CSS选择器选择第一个元素:
title = r.html.find(’.f14>a’, first=True).text
print(title)
输出内容:重磅!2018年版自贸试验区外资准入负面清单出炉
#注意:first=True的意思是获取第一个元素,如果不加上就是获取所有的符合的元素
2.5 attrs 获取元素的所有属性:
attrs 获取元素的所有属性:
title = r.html.find(’.f14>a’, first=True)
print(title.attrs)
输出内容:{‘target’: ‘_blank’, ‘class’: (‘linkto’,), ‘href’: ‘http://new.qq.com/omn/FIN2018063001805300’}
2.6 获取元素的html:
获取元素的html:
title = r.html.find(’.f14>a’, first=True)
print(title.html)
输出内容:重磅!2018年版自贸试验区外资准入负面清单出炉
2.7 搜索元素内的链接:
搜索元素内的链接:
title = r.html.find(’.f14>a’, first=True)
print(title.absolute_links)
输出内容:{‘http://new.qq.com/omn/FIN2018063001805300’}
2.8 在页面上搜索文字:
在页面上搜索文字:
title = r.html.search(‘重磅!{}年版自贸试验区外资准入负面清单出炉’)[0]
print(title)
输出内容:2018
2.9 XPath路径定位元素
XPath路径定位元素
title = r.html.xpath(’//div[@class=“text”]/em/a/text()’)[0]
print(title)
输出内容:重磅!2018年版自贸试验区外资准入负面清单出炉
2.10 解析本地文件
from requests_html import HTML
doc = “”""""
html = HTML(html=doc)
print(html.links)
输出内容:{‘http://news.qq.com/’}
3.实例:
实例:获取腾讯新闻的标题和链接
from requests_html import HTMLSession
session = HTMLSession()
r = session.get(“http://news.qq.com/”)
通过CSS找到新闻标签
news = r.html.find(’.f14>a’)
for new in news:
print(new.text) # 新闻标题
print(new.absolute_links) # 新闻连接