scrapy 使用css选择器选择一组元素和文本

fnatzsnv  于 2022-11-09  发布在  其他
关注(0)|答案(2)|浏览(199)

我有一个HTML页面像:-

<div>
<a href='link'>
<u class>name</u>
</a>
text
<br>
<a href='link'>
<u class>name</u>
</a>
text
<br>
<a href='link'>
<u class>name</u>
</a>
text
<br>
<a href='link'>
<u class>name</u>
</a>
text
<br>
<a href='link'>
<u class>name</u>
</a>
text
<br>
</div>

我需要选择这样的组:-

<a href='link'>
<u class>name</u>
</a>
text
<br>

我需要从一个组中选择3个值:- link、name和text。有没有什么方法可以选择这样一个组,并使用scrapy、CSS选择器、Xpath或其他方法从每个组中提取这些特定的值?

vhmi4jdf

vhmi4jdf1#

Scrapy提供了一种在html页面上使用Items- as items(定义键-值对的Python对象)来yield多个值的机制。
您可以单独提取,但将它们作为键-值对一起生成。

  • 要提取元素属性值,请使用attr()。
  • 要提取innerhtml,请使用文本。

就像你可以这样定义你的解析函数:

def parse(self, response):

        for_link = response.css(' .row.no-gutters div:nth-child(3) div:nth-child(8)  a::attr(href)').getall()

        for_name = response.css(' .row.no-gutters div:nth-child(3) div:nth-child(8) a u::text').getall()

        for_text =  response.css(' .row.no-gutters div:nth-child(3) div:nth-child(8)::text').getall()

            # Yield all elements
            yield {"link": for_link, "name": for_name, "text": for_text}

打开items.py文件。


# Define here the models for your scraped

# items

# Import the required library

import scrapy

# Define the fields for Scrapy item here

# in class

class <yourspider>Item(scrapy.Item):

    # Item key for a
    for_link = scrapy.Field()

    # Item key for u
    for_name = scrapy.Field()

    # Item key for span
    for_text = scrapy.Field()

有关详细信息,请访问read this tutorial

e7arh2l6

e7arh2l62#

如果可以像这样在范围中绕排文本:

<a href='link'>
<u class>name</u>
</a>
<span>text</span>
<br>

然后您可以选择CSS中的所有内容,如下所示:
a, a + span {}
或者,您可以分别设定这两个项目的型式:
a {}
a + span {}
+表示“紧接着”或“紧接着”

相关问题