本篇文章给大家带来的内容是关于python爬取豆瓣电影数据并且提取值xpath和lxml模块（代码），有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。
工具：Python 3.6.5、PyCharm开发工具、Windows 10 操作系统、谷歌浏览器
目的：爬取豆瓣电影排行榜中电影的title、链接地址、图片、评价人数、评分等
网址：https://movie.douban.com/chart
语法要点：
立即学习“Python免费学习笔记（深入）”；
xpath语法：
谷歌浏览器安装 xpath helper插件：帮助我们从elements中定位数据
1、选择节点（标签）
（1）、/html/head/meta：能够选中html下的所有的meta标签
（2）、//li：当前页面上的所有的li标签
（3）、/html/head//link：head下的所有link标签
2、//：能够从任意节点开始选择
（1）、//li：当前页面上的所有的li标签
（2）、/html/head//link：head下的所有的link标签
3、@符号的用途
（1）、选择具体某个元素：//p[@class='feed']/ul/li，选择class='feed'的p下的ul下的li
（2）、a/@href：选择a的href的值
4、获取文本
（1）、/a/text()：获取a下的文本
（2）、/a//text()：获取a下的所有文本
示例：
lxml语法：
1、安装：pip install lxml
2、使用
from lxml import etree
element = etree.HTML("html字符串")
element.xpath("")
代码：
from lxml import etree
import requests
url = "https://movie.douban.com/chart"
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.81 Safari/537.36"
}
response = requests.get(url,headers=headers)
html_str = response.content.decode()
#print(html_str)
html = etree.HTML(html_str)
print(html)
#1.获取所有的电影的URL地址
#url_list = html.xpath("//div[@class='indent']/div/table//div[@class='pl2']/a/@href")
#print(url_list)
#2.所有图片的地址
#img_list = html.xpath("//div[@class='indent']/div/table//a[@class='nbg']/img/@src")
#print(img_list)
ret1 = html.xpath("//div[@class='indent']/div/table")
print(ret1)
for table in ret1:
item = {}
item["title"] = table.xpath(".//div[@class='pl2']/a/text()")[0].replace("/","").strip()
item["href"] = table.xpath(".//div[@class='pl2']/a/@href")[0]
item["img"] = table.xpath(".//a[@class='nbg']/img/@src")[0]
item["comment_num"] = table.xpath(".//span[@class='pl']/text()")[0]
item["rating_num"] = table.xpath(".//span[@class='rating_nums']/text()")[0]
print(item)
运行效果：
