Python request_html模块遇到问题求解！

xuyincheng · 发表于 2022-2-11 22:00

[Python] 纯文本查看 复制代码

from requests_html import HTMLSession

headers = {
    "user-agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.71 Safari/537.36"
    }
session = HTMLSession()


def get_content(url):
    res = session.get(url, headers=headers)
    html = res.html
    html.encoding="gbk"
    h1 = html.find("h1", first=True)
    print(h1.html)
    

url = "https://www.tingshuge.com/book/37189/23504516.html"
get_content(url)

用find匹配元素，匹配结果是从那个元素开始以下所有内容。。。

是我的用法问题，还是库问题。。。求解！！

kof21411 · 发表于 2022-2-11 22:18

print(h1.text)

q124444 · 发表于 2022-2-11 22:28

从h1往下匹配所有，有什么问题吗？

狒狒大魔王 · 发表于 2022-2-11 22:33

可以了解下xpath或者jsoup 处理html更轻松

xuyincheng · 发表于 2022-2-11 22:58

kof21411 发表于 2022-2-11 22:18
print(h1.text)

.text 是提取innerText的...

xuyincheng · 发表于 2022-2-11 23:01

q124444 发表于 2022-2-11 22:28
从h1往下匹配所有，有什么问题吗？

我的意思是，它返回了第一个h1元素下面的所有HTML内容；并不是匹配所有h1

xuyincheng · 发表于 2022-2-11 23:06

狒狒大魔王发表于 2022-2-11 22:33
可以了解下xpath或者jsoup 处理html更轻松

这个是通过CSS选择器来定位的，还是挺方便的....

PeppaPig · 发表于 2022-2-12 01:12

h1 = html.xpath("//*[@id='book']/div[2]/h1/text()")

xuyincheng · 发表于 2022-2-12 13:32

PeppaPig 发表于 2022-2-12 01:12
h1 = html.xpath("//*[@id='book']/div[2]/h1/text()")

这样确实可以，但是如果只取到h1的话就成了这样...
无标题.png

PeppaPig · 发表于 2022-2-12 22:51

xuyincheng 发表于 2022-2-12 13:32
这样确实可以，但是如果只取到h1的话就成了这样...

你看下，问题不大

帐号		自动登录	找回密码
密码			注册[Register]

[求助] Python request_html模块 遇到问题求解！

[求助] Python request_html模块遇到问题求解！