18. Scrapy 数据的提取
一月 18, 2020
1 Scrapy提取项目
从网页中提取数据，Scrapy 使用基于 XPath 和 CSS 表达式的技术叫做选择器。以下是 XPath 表达式的一些例子：
- 这将选择 HTML 文档中的
<head>元素中的<title>元素1
/html/head/title
- 这将选择
<title>元素中的文本1
/html/head/title/text()
- 这将选择所有的
<td>元素1
//td
- 选择 div 包含一个属性 class=”slice” 的所有元素
1
//div[@class=”slice”]
选择器有四个基本的方法，如下所示：
S.N.|方法 & 描述
–|–
extract()|它返回一个unicode字符串以及所选数据
extract_first()|它返回第一个unicode字符串以及所选数据
re()|它返回Unicode字符串列表，当正则表达式被赋予作为参数时提取
xpath()|它返回选择器列表，它代表由指定XPath表达式参数选择的节点
css()|它返回选择器列表，它代表由指定CSS表达式作为参数所选择的节点
2 Scrapy Shell
如果使用选择器想快速的到到效果，我们可以使用Scrapy Shell
1 | scrapy shell "http://www.163.com" |
注意windows系统必须使用双引号
2.1 举例
从一个普通的HTML网站提取数据，查看该网站得到的 XPath 的源代码。检测后，可以看到数据将在UL标签，并选择 li 标签中的 元素。
代码的下面行显示了不同类型的数据的提取：
- 选择 li 标签内的数据：
1
response.xpath('//ul/li')
- 对于选择描述：
1
response.xpath('//ul/li/text()').extract()
- 对于选择网站标题：
1
response.xpath('//ul/li/a/text()').extract()
- 对于选择网站的链接：
1
response.xpath('//ul/li/a/@href').extract()
查看评论