requests xpath 爬虫

# import requests

# response=requests.get("https://s.weibo.com/weibo?q=%E6%B4%9B%E5%A4%A9%E7%84%B6%EF%BC%8C&wvr=6&b=1&Refer=SWeibo_box")

# #打印类型

# print(type(response))

# #打印状态码

# print(response.status_code)

# #打印网页源码类型

# #字符串类型，不需要decode（区别于urllib）

# print(type(response.text))

# #打印网页源码

# for x in range(20):

# response.xpath("//*[@id="pl_feedlist_index"]/div[1]/div[3]/div[2]/div[1]/div[2]/div[1]")

# print(response.text)

# #打印cookie

# print(response.cookies)

import time

from lxmlimport etree

import requests

import xlsxwriter

from requests.authimport HTTPBasicAuth

from requests.exceptionsimport RequestException

def get_url(url):

try:

# b = requests.post(url, auth=HTTPBasicAuth('xxxxx', yyyyyy)) # xxxxx为禅道登录的用户名 yyyyyy 为禅道登录的密码

b = requests.get(url)# xxxxx为禅道登录的用户名 yyyyyy 为禅道登录的密码

if b.status_code ==200:

return b.text

return b.status_code

except RequestException:

return None

def get_text(html):

tree = etree.HTML(html)

# "//*[@id="pl_feedlist_index"]/div[1]/div[2]/div[2]/div[1]/div[2]"

workbook = xlsxwriter.Workbook(r"C:\Users\Administrator\Desktop\projects\tencent_pro\excel_file\weibo.xlsx",

options={# 全局设置

'strings_to_numbers':True,# str 类型数字转换为 int 数字

'strings_to_urls':False,# 自动识别超链接

'constant_memory':False,# 连续内存模式 (True 适用于大数据量输出)

'default_format_properties': {

'font_name':'微软雅黑',# 字体. 默认值 "Arial"

'font_size':10,# 字号. 默认值 11

'bold':False,# 字体加粗

'border':1,# 单元格边框宽度. 默认值 0

'align':'vcenter',# 对齐方式

'valign':'vcenter',# 垂直对齐方式

# 'text_wrap': False, # 单元格内是否自动换行

}})

# 创建工作表

worksheet = workbook.add_worksheet('first_sheet')

# 写单元格

worksheet.write_row(0,0, ['链接','发布时间','播放次数','视频时长','标题','发布者','发布者ID','平台名称','原本标题','原版链接'])

worksheet.set_column('A:C',10)# 列宽约等于8像素行高约等于1.37像素

worksheet.set_column('B:C',30)

worksheet.set_column('D:E',30)

worksheet.set_column('F:G',30)

worksheet.set_column('H:I',30)

xp ="/html/body/div[1]/div[3]/div/div[1]/div[2]/div[@class='card-wrap']"

nodetitle = tree.xpath(xp)

print(len(nodetitle), nodetitle)

i =1

for itemin nodetitle:

data_text = item.xpath("/html/body/div[1]/div[3]/div/div[1]/div[2]/div[{i}]/div/div[1]/div[2]/div[2]/div[2]/a".format(i=i))# 取出第一列的值（ID）

try:

if not data_text[0].get('href',''):

continue

# title

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[1]/div/div[1]/div[2]/p[1]/a[1]"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[2]/div/div[1]/div[2]/p[1]/a[1]"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[3]/div/div[1]/div[2]/p[1]/a[1]"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[6]/div/div[1]/div[2]/p[1]/a[1]"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[11]/div/div[1]/div[2]/p[1]/a[3]"

weibo_tiele_list = item.xpath("/html/body/div[1]/div[3]/div/div[1]/div[2]/div[{i}]/div/div[1]/div[2]/p[1]/a".format(i=i))

title = weibo_tiele_list[0].text

print(title)

# for obj_title in weibo_tiele_list:

# title+=obj_title.text

# print(title,"dsadasdsadasdsa")

#视频地址

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[4]/div/div[1]/div[2]/div[2]/div[2]/a/div[2]/div/video"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[5]/div/div[1]/div[2]/div[2]/div[2]/a/div[2]/div/video"

# time.sleep(10)

# "//*[@id="H5_hltdd_1605103535400178213_html5_api"]"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[18]/div/div[1]/div[2]/div[2]/div[2]/a/div[2]/div/video"

video_url = item.xpath("/html/body/div[1]/div[3]/div/div[1]/div[2]/div[17]/div/div[1]/div[2]/div[2]/div[2]/a/div[2]".format(i=i))

video_url = item.xpath(".//video")

# print(item)

# print(video_url,'dsdsd')

# 时间

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[1]/div/div[1]/div[2]/p[3]/a[1]"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[2]/div/div[1]/div[2]/p[3]/a"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[8]/div/div[1]/div[2]/p[3]/a[1]"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[16]/div/div[1]/div[2]/p[3]/a[1]"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[18]/div/div[1]/div[2]/p[3]/a[1]"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[19]/div/div[1]/div[2]/p[3]/a[1]"

# 视频时长

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[7]/div/div[1]/div[2]/div[2]/div[2]/a/div[2]/div/div[5]/div[4]/div/span"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[11]/div/div[1]/div[2]/div[2]/div[2]/a/div[2]/div/div[5]/div[4]/div/span"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[12]/div/div[1]/div[2]/div[2]/div[2]/a/div[2]/div/div[5]/div[4]/div/span"

# 发布者发布者id 取href

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[13]/div/div[1]/div[2]/div[1]/div[2]/a[1]"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[18]/div/div[1]/div[2]/div[1]/div[2]/a[1]"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[19]/div/div[1]/div[2]/div[1]/div[2]/a[1]"

# 播放次数

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[8]/div/div[2]/ul/li[4]/a/em"

"/html/body/div[1]/div[3]/div/div[1]/div[2]/div[10]/div/div[2]/ul/li[4]/a/em"

except:

pass

# try:

# data_text = item.xpath("/html/body/div[1]/div[3]/div[2]/div[1]/div[1]/div[{i}]/div[2]/div[1]/div[2]/p[@class='txt']/a".format( i=i)) # 取出第一列的值（ID）

# print(type(data_text))

# print(data_text[0].text)

# except:

# pass

# data_text = item.xpath(

# "/html/body/div[1]/div[3]/div[2]/div[1]/div[1]/div[{i}]/div/div[1]/div[2]/p[@class='txt']".format(i=i)) # 取出第一列的值（ID）

i+=1

# i2 = item.xpath('td[2]/a') # 取出第二列的值（真实姓名）

# if i2 == []:

# i2 = item.xpath('td[2]')

# print(i2[0].text)

def main():

# url = 'https://s.weibo.com/weibo?q=234%5C&xsort=hot&Refer=hotmore'

url ='https://s.weibo.com/weibo?q=123\&wvr=6&b=1&Refer=SWeibo_box'

url ='https://s.weibo.com/weibo?q=123%5C&xsort=hot&Refer=hotmore'

html =get_url(url)

t =get_text(html)

print(t)

if __name__ =='__main__':

main()

# 热门是否是视频判断

# "/html/body/div[1]/div[3]/div[2]/div[1]/div[1]/div[3]/div[2]/div[1]/div[2]/div[2]/div[2]/a"

# "/html/body/div[1]/div[3]/div[2]/div[1]/div[1]/div[2]/div[2]/div[1]/div[2]/div[2]/div[2]/a"

# "/html/body/div[1]/div[3]/div[2]/div[1]/div[1]/div[4]/div[2]/div[1]/div[2]/div[2]/div[2]/a"

# "/html/body/div[1]/div[3]/div/div[1]/div[2]/div[3]/div/div[1]/div[2]/div[2]/div[2]/a"

# "/html/body/div[1]/div[3]/div/div[1]/div[2]/div[5]/div/div[1]/div[2]/div[2]/div[2]/a"

# "/html/body/div[1]/div[3]/div/div[1]/div[2]/div[7]/div/div[1]/div[2]/div[2]/div[2]/a"

# "/html/body/div[1]/div[3]/div/div[1]/div[2]/div[5]/div/div[1]/div[2]/div[2]/div[2]/a"

# # 热门文章是否是视频判断

# "/html/body/div[1]/div[3]/div[2]/div[1]/div[1]/div[10]/div/div[1]/div[2]/div[2]/div[2]/a"

# "/html/body/div[1]/div[3]/div[2]/div[1]/div[1]/div[18]/div/div[1]/div[2]/div[2]/div[2]/a"

# "/html/body/div[1]/div[3]/div[2]/div[1]/div[1]/div[23]/div/div[1]/div[2]/div[2]/div[2]/a"

# "/html/body/div[1]/div[3]/div[2]/div[1]/div[1]/div[25]/div/div[1]/div[2]/div[2]/div[2]/a"

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 217,406评论 6赞 503
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 92,732评论 3赞 393
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 163,711评论 0赞 353
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 58,380评论 1赞 293
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 67,432评论 6赞 392
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 51,301评论 1赞 301
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 40,145评论 3赞 418
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 39,008评论 0赞 276
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 45,443评论 1赞 314
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 37,649评论 3赞 334
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 39,795评论 1赞 347
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 35,501评论 5赞 345
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 41,119评论 3赞 328
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 31,731评论 0赞 22
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 32,865评论 1赞 269
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 47,899评论 2赞 370
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 44,724评论 2赞 354

requests xpath 爬虫

推荐阅读更多精彩内容