目录
安装
使用
常用方法:
requests-html
获取a链接
获取img链接
操作列表两种写法
python处理数据常用方法
数组追加
obiect转str类型
arr转字符串->(仅限['xxxxxxxxxxxx'])
获取标签下文本
自定义保存页面图片
字符串去空格
python 文件读写(追加、覆盖)
toString且' 转 "
int拼接组装
字符串拼接组装,并用符号分割
python类型转换
删除多余标签内的内容
html转字符串:
对象转json:
python json.dumps() 中文乱码问题
安装
pip install requests-html
使用
from requests_html import HTMLSession
# 获取请求对象
session = HTMLSession()
sina = session.get('https://news.sina.com.cn/')
sina.encoding = 'utf-8'
print(sina.text)
常用方法:
requests-html
获取a链接
# 绝对链接,全路径
sina.html.xpath('/html/body/div[3]/ul/li/a').absolute_links
# links 相对链接
sina.html.xpath('/html/body/div[3]/ul/li/a').links
# 得到的是{'http://xxxxxx'}的参数,需要转一下
obj.__str__().replace("{'", "").replace("'}", "")
获取img链接
# 获取链接地址
detail.html.xpath('/html/body/div/img/@src')
# 获取到的是['xxxxxxx.jpg']格式
img.__str__().replace("['", "").replace("']", "")
操作列表两种写法
循环需要从0开始,node[i] == "node{}".format(i+1),因为xpath内没有下标0,所以format取元素下标加1
for i in range(0, len(lis)):
name = sina.html.xpath('/html/body//span/text()')[i]
list = sina.html.xpath('/html/body//li/div/a/span/text()'.format(i+1))
python处理数据常用方法
数组追加
list2 = []
...
list2.append(node)
node = {}
obiect转str类型
object.__str__().replace("{'", "").replace("'}", "")
arr转字符串->(仅限['xxxxxxxxxxxx'])
['xxxxxxxxxxxx'].__str__().replace("['", "").replace("']", "")
获取标签下文本
# /text()标签下的文本
detail.html.xpath('/html/body/a/text()')
# //text() 标签下和子标签内容
detail.html.xpath('/html/body//text()')
自定义保存页面图片
def loadPage(img_url):
response = requests.get(img_url)
return response.content
# 自定义保存页面图片函数
def getImage(image_url):
# print("image_url= {}".format(image_url))
if image_url is None:
return ""
if len(image_url) <= 10:
return ""
name = image_url.split("/")[len(image_url.split("/"))-1]
fth = "image/{}".format(name)
img = loadPage(image_url)
with open(fth, "wb") as f:
f.write(img)
return fth
字符串去空格
def strStrip(string):
string = string.replace('\n', '').replace('\r', '').replace('\t', '').strip()
string = string.replace("'", "").replace('\\n', '').replace('\\r', '').replace('\\t', '')
return string
python 文件读写(追加、覆盖)
写json到本地write_json a持续写入
def write_json(content):
with open('XueWei.txt', 'a', encoding='utf-8') as fObj:
split = ",\n"
json.dump(content, fObj, ensure_ascii=False)
fObj.write(split)
fObj.close()
写文本到本地 a持续写入
def write(content):
split = "\n"
f = open(file_path, 'a', encoding='utf-8')
# 写入数据
f.write(content)
f.write(split)
# 关闭文件
f.close()
toString且' 转 "
# ' 转 "
def toString(obj):
return obj.__str__().replace("'", "\"")
int拼接组装
# return int 11 + 11 = 1111
def addInt(first, end):
return int(first.__str__() + end.__str__())
字符串拼接组装,并用符号分割
# return String addStr("第一部", ",", "第二部")
def addStr(first, sp, end):
if len(first.__str__()) <= 0:
return end.__str__()
return first.__str__() + sp + end.__str__()
python类型转换
type("21") 获取类型
int("23") 字符串转换成int数字
item['name'] 取对象里key为name的值
num=322
str='%d'%num 数字转换成字符串
# int(x[, base]) 将x转换为一个整数,base为进制,默认十进制
#
# long(x[, base] ) 将x转换为一个长整数
#
# float(x) 将x转换到一个浮点数
#
# complex(real[, imag]) 创建一个复数
#
# str(x) 将对象 x 转换为字符串
#
# repr(x) 将对象 x 转换为表达式字符串
#
# eval(str) 用来计算在字符串中的有效Python表达式, 并返回一个对象
#
# tuple(s) 将序列 s 转换为一个元组
#
# list(s) 将序列 s 转换为一个列表
#
# set(s) 转换为可变集合
#
# dict(d) 创建一个字典。d 必须是一个序列(key, value) 元组。
#
# frozenset(s) 转换为不可变集合
#
# chr(x) 将一个整数转换为一个字符
#
# unichr(x) 将一个整数转换为Unicode字符
#
# ord(x) 将一个字符转换为它的整数值
#
# hex(x) 将一个整数转换为一个十六进制字符串
#
# oct(x) 将一个整数转换为一个八进制字符串
删除多余标签内的内容
# 删除某个属性
doc('.article-t style').remove()
# 清楚多余的标签,只保留纯文本
from w3lib.html import remove_tags
a = 'ai工程师'
print(remove_tags(a))
html转字符串:
html.__str__().replace('"', "'")
对象转json:
import json
json.loads() 将json转换为dict
json.dumps() 将dict转换为json
json.load() 将json文件转换为dict
json.dump() 将dict转换为json文件 person.json
# 类对象转换为json
person_json = json.dumps(person.__dict__)
# 或者
# 第二个参数传递转换函数,或者使用default=lambda o: o.__dict__
person_json = json.dumps(person, default=convert2json)
# 将person转换为dict
def convert2json(person):
return {
'name': person.name,
'age': person.age,
'email': person.email
}
# dict/对象转换为json文件
with open('person.json', 'w') as f:
json.dump(person, f)
# 将json文件转换为dict/对象
import json
with open('person.json', 'r') as f:
print(json.load(f))
python json.dumps() 中文乱码问题
json.dumps 序列化时默认使用的ascii编码,想输出真正的中文需要指定ensure_ascii=False:更深入分析,是应为dJSON object 不是单纯的unicode实现,而是包含了混合的unicode编码以及已经用utf-8编码之后的字符串。
写法:
Python2 :json.dumps(odata, ensure_ascii=False).decode('utf8')
json.dumps(odata,ensure_ascii=False).decode('utf8').encode('gb2312')
Python3 :json.dumps(odata, ensure_ascii=False)