我是一个编程初学者,我的朋友告诉我要使用BeautifulSoup而不是htmlparser。但是在遇到一些问题后,我得到了一个提示,应该使用lxml,因为它比BeautifulSoup好10倍。
我希望有人能给我一个提示,如何爬取我想要的文本。
我想要找到一个包含以下行和数据的表:
<tr>
<td><a href="website1.com">website1</a></td>
<td>info1</td>
<td>info2</td>
<td><a href="spam1.com">spam1</a></td>
</tr>
<tr>
<td><a href="website2.com">website2</a></td>
<td>info1</td>
<td>info2</td>
<td><a href="spam2.com">spam2</a></td>
</tr>
如何使用 lxml
无需垃圾信息地抓取带有信息1和信息2的网站,并获得以下结果?
[['url' 'info1', 'info2'], ['url', 'info1', 'info2']]
contains(.,"spam")
。spam
可以替换为类似于ad.website.com
的模式。 - kev