问题描述

在爬取豆瓣top250电影详细信息的时候，会遇到个别电影信息下的xpath标签不一样。
这里我举例为：top250电影的剧情简介
下面是两个不同情况的例子：
1.肖申克的救赎：

这里的xpath下的标签为.//*[@id="link-report"]/span[1]/span/text()[1]
2.霸王别姬:

这里的xpath下的标签.//*[@id="link-report"]/span[1]/text()[1]
那么在循环爬取剧情简介的时候，就会有出现部分电影的简介无法爬取的情况。

解决方法

通过在抓包工具下查找可以发现和肖申克的救赎的简介具有相同的xpath标签的电影，简介都存在于另一个位置.//*[@id="link-report"]//span[@class=all hidden]/text()[1]。
那么我们可以通过一个判断Introduction = html.xpath('.//*[@id="link-report"]/span[2]/text()[1]')中的Introduction中的列表长度，如果为0，则执行Introduction = html.xpath('.//*[@id="link-report"]/span[1]/text()[1]')

具体代码

Introduction = html.xpath('.//*[@id="link-report"]/span[2]/text()[1]')
if len(Introduction) == 0:
	Introduction = html.xpath('.//*[@id="link-report"]/span[1]/text()[1]')

这是本人第一篇csdn，如有写的不好的地方或者有更好的方法，欢迎评论留言。