Scrape sich
Öffnen Sie die URL des tweet, um HTML-Parser Ihrer Wahl passieren und extrahieren Sie die XPaths Sie interessiert sind
Scraping wird diskutiert in:. http://docs.python-guide.org/en/latest/scenarios/scrape/
XPaths erhalten Sie, indem Sie mit der rechten Maustaste auf das gewünschte Element klicken, "Inspect" auswählen, mit der rechten Maustaste auf die markierte Linie im Inspektor klicken und "Copy"> "XPath kopieren" auswählen, wenn die Struktur der Site immer gleich ist. Andernfalls wählen Sie Eigenschaften, die genau das gewünschte Objekt definieren.
In Ihrem Fall:
//div[contains(@class, 'permalink-tweet-container')]//strong[contains(@class, 'fullname')]/text()
werden Sie den Namen des Autors abrufen und
//div[contains(@class, 'permalink-tweet-container')]//p[contains(@class, 'tweet-text')]//text()
werden Sie den Inhalt der Tweet bekommen.
Der vollständige Arbeitsbeispiel:
from lxml import html
import requests
page = requests.get('https://twitter.com/UniteAlbertans/status/899468829151043584')
tree = html.fromstring(page.content)
tree.xpath('//div[contains(@class, "permalink-tweet-container")]//p[contains(@class, "tweet-text")]//text()')
Ergebnisse in:
['Breaking:\n10 sailors missing, 5 injured after USS John S. McCain collides with merchant vessel near Singapore...\n\n', 'https://www.', 'washingtonpost.com/world/another-', 'us-navy-destroyer-collides-with-a-merchant-ship-rescue-efforts-underway/2017/08/20/c42f15b2-8602-11e7-9ce7-9e175d8953fa_story.html?utm_term=.e3e91fff99ba&wpisrc=al_alert-COMBO-world%252Bnation&wpmk=1', u'\xa0', u'\u2026', 'pic.twitter.com/UiGEZq7Eq6']
einfach die XPath verwendet zu klären ... '' // - suchen überall für 'div [enthält (@class, 'permalink-tweet-container')] '- div mit der Klasse 'permalink-tweet-container'' // '- und irgendwo von diesem ein' strong [enthält (@class, 'fullname')] '- strong, das die Klasse enthält 'fullname' '/' - aus dem direkt 'text()' - holt den Text. – petrpulc
Sie können Ihren eigenen XPath zum Beispiel auf http://videlibri.sourceforge.net/cgi-bin/xxidelcgi testen – petrpulc
Wenn dies Ihre Frage beantwortet, akzeptieren Sie sie bitte. – petrpulc