問題描述

import lxml,requests,sysfrom bs4 import BeautifulSoupfrom lxml import etree

reload(sys)sys.setdefaultencoding('utf-8')

def main():

url = ’https://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=%E6%9A%B4%E8%B5%B0%E6%BC%AB%E7%94%BB&pn=0’req = requests.get(url).content

# soup = BeautifulSoup(req.content,’lxml’) # imgs = soup.find_all(’img’)

content = etree.HTML(req)paths = content.xpath(’//*[@id='imgid']/ul/li[1]/a/img/text()’)# for img in imgs:## print img

# for img in imgs :

print paths

main()

問題解答

在寫爬蟲的時候，使用xpath一定要確認一下網(wǎng)頁的源代碼中是否有數(shù)據(jù)，如果沒有，說明是異步加載的

view-source:https://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=%E6%9A%B4%E8%B5%B0%E6%BC%AB%E7%94%BB&pn=02. 發(fā)現(xiàn)

并沒有找到下面的圖片列表，我們可以判定圖片是js加載的

F12看network(刷新才能看到)，并沒有發(fā)現(xiàn)異步請求加載的圖片信息，于是我猜測數(shù)據(jù)應(yīng)該就在html里，不過是放在js里，在加載圖片的時候處理了

同樣是上面的查看源代碼的方式，查找objURL這個參數(shù)發(fā)現(xiàn)了真實的url

//很多，集中在html下半部分http://img3.duitang.com/uploads/item/201608/06/20160806110540_MAcru.jpeg解決

剩下的就交給你啦～去想辦法解析出下面部分的真實url吧!