Scrapy文件- @href返回意外值

5t7ly7z5 于 2023-10-20 发布在其他

关注(0)|答案(2)|浏览(123)

我目前正在从Tripadvisor网站上抓取餐厅评论，我正试图从这个page中检索餐厅链接。
我想在底部的30个餐厅网页的链接，但我只是其中之一做一些测试。检索列表中的第一个可以通过以下表达式完成：

//div[@data-test='1_list_item']/div/div[2]/div[1]/div//a/@href

Scrapy有一些意想不到的行为，下面的css表达式应该足以检索所有链接，但相反，返回一个空数组：

response.css('.b::attr(href)').extract()

这同样适用于许多XPath表达式，并通过使用上面的一个这样：

response.xpath("//div[@data-test='1_list_item']/div/div[2]/div[1]/div//a/@href").get()

我得到以下链接作为回报：

/ShowUserReviews-g187791-d25107357-r916086825-ADESSO_Vineria_Bistrot-Rome_Lazio.html

我不知道这是从哪里来的，我可以在检查Chrome控制台看到的链接，我希望得到的回报是：

/餐厅_Review-g187791-d25107357-Reviews-ADESSO_Vineria_Bistrot-Rome_Lazio.html

scrapy

来源：https://stackoverflow.com/questions/77121698/scrapy-xpath-href-returning-unexpected-value

2条答案

按热度按时间

anhgbhbe1#

您在使用Scrapy时遇到的问题可能是由于TripAdvisor网站使用JavaScript加载数据源，而Scrapy默认情况下不支持JavaScript。因此，当您尝试使用response.css或response.xpath获取链接时，Scrapy只能看到页面的初始状态，而不会加载加载的数据。
要检查已加载的页面，请使用open_in_browser（）函数，并在编写xpath或css选择器之前阅读列出所需数据的位置。
检查它：https://docs.scrapy.org/en/latest/topics/dynamic-content.html https://docs.scrapy.org/en/latest/topics/debug.html

# import this util
from scrapy.utils.response import open_in_browser

# in spider class
... 
def parse_details(self, response):
    open_in_browser(response)
...

如果在使用这个示例时遇到问题，那么可以调用response.text并检查响应页面的当前内容

赞(0）回复(0）举报 2023-10-20

fruv7luv2#

我使用SIM建议的xpath表达式解决了我的问题：
//div[contains(@data-test,'_list_item')]//div/div/div/span/a[starts-with(@href,'/Restaurant_Review')]/@href

赞(0）回复(0）举报 2023-10-20