python3 xpath数据获取案例

import requests
from retrying import retry
from lxml import etree
import json

class DaCheng(object):
　　def __init__(self):

　　　　self.temp_url = "http://www.dachengnet.com/cn/professionals?currentPageNo={}&"
　　　　self.headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.91 Safari/537.36"}

　　def get_url_list(self):
　　　　url_list = [self.temp_url.format(i) for i in range(1, 78)] # 使用列表推导式获取pageNo
　　　　return url_list

　　@retry(stop_max_attempt_number=3)
　　def _parse_url(self, url):
　　　　r = requests.get(url, headers=self.headers, timeout=3)
　　　　assert r.status_code == 200
　　　　return etree.HTML(r.content) # 返回一个xpath对象

　　def parse_url(self, url):
　　　　# print(url)
　　　　try:
　　　　　　html = self._parse_url(url)
　　　　except:
　　　　　　html = None
　　　　return html

　　def get_content_list(self, html):
　　　　tr_list = html.xpath("//tbody/tr")
　　　　content_list = []
　　　　for tr in tr_list:
　　　　　　item = dict()
　　　　　　# 姓名
　　　　　　item['Name'] = tr.xpath('./td[1]/a/text()')[0] if len(tr.xpath('./td[1]/a/text()')) > 0 else None
　　　　　　# 邮箱
　　　　　　item['Email'] = tr.xpath('./td[2]/text()')[0] if len(tr.xpath('./td[2]/text()')) > 0 else None
　　　　　　# 职位
　　　　　　item['Position'] = tr.xpath('./td[3]/text()')[0].strip().replace('\n', '').replace('\t', '') if len(
　　　　　　　　tr.xpath('./td[3]/text()')) > 0 else None
　　　　　　# 地点
　　　　　　item['Location'] = tr.xpath('./td[4]/text()')[0].strip().replace('\n', '').replace('\t', '') if len(
　　　　　　　　tr.xpath('./td[4]/text()')) > 0 else None
　　　　　　content_list.append(item)
　　　　　　# print(item)
　　　　　　return content_list

　　def save_content_list(self, content_list):
　　　　with open('DaCheng.json', 'a') as f:
　　　　　　for content in content_list:
　　　　　　　　json.dump(content, f, ensure_ascii=False, indent=2)
　　　　　　　　f.write(',\n')
　　　　　　　　print('保存成功')

　　def run(self):
　　　　# 1.获取首页url
　　　　url_list = self.get_url_list()
　　　　# 2.循环发送请求，获取响应
　　　　for url in url_list:
　　　　　　html = self.parse_url(url)
　　　　　　# 3.提取数据
　　　　　　content_list = self.get_content_list(html)
　　　　　　# 4.保存
　　　　　　self.save_content_list(content_list)

if __name__ == '__main__':
dacheng = DaCheng()
dacheng.run()