Question

您好，我在亚马逊上提取一本书的畅销书排名的python代码是：

from lxml import html
import requests
from time import sleep

def parse(url):
headers = {'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.90 Safari/537.36'}
page = requests.get(url,headers=headers)
for i in range(20):
    sleep(3)
    try:
        doc = html.fromstring(page.content)
        XPATH_BSR = '//li[@id="SalesRank"]//text()'

以本书为例：https://www.amazon.com/dp/0965437221

我只想要最畅销的电话号码590345，但我的输出却是一团糟：

谢谢。

{'BSR'：'亚马逊畅销书排名：\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '＃590,345书籍（请参阅书籍前100名）\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '\ n' '.zg_hrsr {margin：0;填充：0; list-style-type：无； } \ n' '.zg_hrsr_item {margin：0 0 0 10px; } \ n' '.zg_hrsr_rank {display：inline-block;宽度：80px；文字对齐：“ '对; } \ n' '\ n' '\ n' '\ n' '\ n' '＃4774 \ n' in \ xa0Books>健康，健身与节食>心理健康>' “幸福\ n” '\ n' '\ n' '＃55298 \ n' 'in \ xa0Books>自助'，

Answer 1

由于我不知道您正在使用哪个库或任何东西。我将为您提供使用request-html库的解决方案。

from requests_html import HTMLSession
session = HTMLSession()
page = session.get('https://www.amazon.com/dp/0965437221')
rank = page.html.find("#SalesRank").text.split('#')[1].split()[0]
print(rank)

以其他方式，假设您上面的输出是字符串，则将直接提取等级，如下所示：

rank = your_output.split('#')[1].split()[0]
print(rank)

从表中提取<b>文本

1 个答案: