如何修改代码以爬取带有超链接的文本字段
在使用python爬虫获取网页正文时，可能会遇到无法抓取带有超链接的文本片段的情况。下面介绍一种方法修改代码来解决此问题：
首先，查看网页结构，确认所要抓取的文本段确实被包裹在标签内。然后修改xpath路径以获取所有 标签下的所有节点，其中包括文本和标签： 之后，在处理内容时，对于每个节点判断其类型：如果是文本节点，则保留并追加到结果中；如果是标签，则只保留其文本部分并追加到结果中： 立即学习“Python免费学习笔记（深入）”； 通过这些修改，您应该可以成功爬取带有超链接的文本字段。content = html.xpath('//div[@class="f14 l24 news_content mt25 zoom"]/p//node()')import requests
from lxml import etree
# 爬取并转化为html格式
base_url = "https://www.solidwaste.com.cn/news/342864.html"
resp = requests.get(url=base_url)
html = etree.HTML(resp.text)
# 更换编码方式为网页对应的编码
encod = html.xpath('//meta[1]/@content')
if encod != []:
encod = encod[0].split("=")[-1]
resp.encoding = encod
html = etree.HTML(resp.text)
# 获取网页正文
content = html.xpath('//div[@class="f14 l24 news_content mt25 zoom"]/p//node()')
content_deal = ""
for node in content:
if isinstance(node, etree._ElementUnicodeResult):
content_deal += node.strip() + "\n"
elif isinstance(node, etree._Element) and node.tag == 'a':
content_deal += node.text.strip() + "\n"
print(content_deal)
