Python爬虫如何提取网页中被超链接标签包裹的文本？

Python爬虫：高效提取超链接文本

在使用Python爬虫抓取网页数据时，经常会遇到无法提取标签内文本的问题。本文将通过一个案例，演示如何改进代码，完美解决这个问题。

问题描述： 使用XPath表达式//div[@class=”f14 l24 news_content mt25zoom”]/p/text()提取网页文本时，由于目标文本“绿色发展”嵌套在标签内，导致提取失败。原始代码仅获取了

标签下的纯文本，忽略了标签及其内容。

原始代码：

立即学习“Python免费学习笔记（深入）”；

import requestsfrom lxml import etreeimport htmlbase_url = "https://www.solidwaste.com.cn/news/342864.html"resp = requests.get(url=base_url)html = etree.html(resp.text)encod = html.xpath('//meta[1]/@content')if encod:    encod = encod[0].split("=")[-1]    resp.encoding = encod    html = etree.html(resp.text)content = html.xpath('//div[@class="f14 l24 news_content mt25zoom"]/p/text()')print(content)content_deal = ""for i in content:    da = i.strip() + "n"    content_deal += daprint(content_deal)

登录后复制