爬取博客的富文本内容

Question

csdn上的博客，大部分都是图文并茂的。
一般都是富文本生成的。
如何爬取这些富文本，能原样保存下来？？？
我一般用bs4解析。其他的不会。

Answer 1

这个简单

first，导入lxml库

from lxml import etree

使用requests获取网页HTML

from lxml import etree
import requests
gets = requests.get(url)
gets = gets.text
获取HTML数据
html = etree.HTML(gets)
#xpath获取文本(自己上网copy)
html = html.xpath(xpath)
#下载
for web in html:
    file = open("test.txt", "w+")
    file.write(web)
    file.close()

就这
The End!