python - 如何在请求中获取页面标题

Question

在 Requests 中获取页面标题的最简单方法是什么？

r = requests.get('http://www.imdb.com/title/tt0108778/')
# ? r.title
Friends (TV Series 1994–2004) - IMDb

Answer 1

您需要一个 HTML 解析器来解析 HTML 响应并获取 title 标记的文本:

示例使用 lxml.html :

>>> import requests
>>> from lxml.html import fromstring
>>> r = requests.get('http://www.imdb.com/title/tt0108778/')
>>> tree = fromstring(r.content)
>>> tree.findtext('.//title')
u'Friends (TV Series 1994\u20132004) - IMDb'

当然还有其他选项，例如 mechanize图书馆:

>>> import mechanize
>>> br = mechanize.Browser()
>>> br.open('http://www.imdb.com/title/tt0108778/')
>>> br.title()
'Friends (TV Series 1994\xe2\x80\x932004) - IMDb'

选择什么选项取决于您接下来要做什么:解析页面以获取更多数据，或者，您可能希望与其进行交互:单击按钮、提交表单、跟踪链接等。

此外，您可能希望使用 IMDB 提供的 API，而不是继续进行 HTML 解析，请参阅:

• Does IMDB provide an API?
• IMDbPY

IMDbPY 包的用法示例:

>>> from imdb import IMDb
>>> ia = IMDb()
>>> movie = ia.get_movie('0108778')
>>> movie['title']
u'Friends'
>>> movie['series years']
u'1994-2004'