python - 我写的Xpath 为什么爬取不到内容

Question

-- coding:utf-8 --

import lxml,requests,sys
from bs4 import BeautifulSoup
from lxml import etree

reload(sys)
sys.setdefaultencoding("utf-8")

def main():

url = 'https://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=%E6%9A%B4%E8%B5%B0%E6%BC%AB%E7%94%BB&pn=0'

req = requests.get(url).content

# soup = BeautifulSoup(req.content,'lxml')
# imgs = soup.find_all('img')

content = etree.HTML(req)
paths = content.xpath('//*[@id="imgid"]/ul/li[1]/a/img/text()')
# for img in imgs:
#
#     print img

# for img in imgs :

print paths

main()

Answer 1

在寫爬蟲的時候，使用xpath一定要確認網頁的源代碼中是否有數據，如果沒有，說明是異步加載的

1. 瀏覽器輸入這個連線即可看原始碼，ctrl+f 找出imgid所在的位置

view-source:https://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=%E6%9A%B4%E8%B5%B0%E6%BC%AB%E7%94%BB&pn=0

2. 發現

並沒有找到下面的圖片列表，我們可以判定圖片是js載入的

3. 尋找

F12看network(刷新才能看到)，並沒有發現異步請求加載的圖片信息，於是我猜測數據應該就在html裡，不過是放在js裡，在加載圖片的時候處理了

同樣是上面的查看原始碼的方式，查找objURL這個參數發現了真實的url

//很多，集中在html下半部分
http://img3.duitang.com/uploads/item/201608/06/20160806110540_MAcru.jpeg

解決

剩下的就交給你啦～去想辦法解析出下面部分的真實url吧!