python爬虫笔记 --------scrapy框架(3)
来源:互联网 发布:工业大数据市场规模 编辑:程序博客网 时间:2024/06/05 18:37
提取Item
从网页中提取数据有很多方法。Scrapy使用了一种基于 XPath 和CSS 表达式机制:Scrapy Selectors
构造选择器
Scrapy selector是以 文字(text) 或TextResponse
构造的Selector 实例。其根据输入的类型自动选择最优的分析方法(XML vs HTML):
from scrapy.selector import Selectorfrom scrapy.http import HtmlResponse
1、以文字构造:
2、以response构造:
为了方便起见,response对象以 .selector 属性提供了一个selector:
使用选择器
使用 Scrapy shell (提供交互测试)和位于Scrapy文档服务器的一个样例页面,来解释如何使用选择器:
http://doc.scrapy.org/en/latest/_static/selectors-sample1.html
这里是它的HTML源码:
<html> <head> <base href='http://example.com/' /> <title>Example website</title> </head> <body> <div id='images'> <a href='image1.html'>Name: My image 1 <br /><img src='image1_thumb.jpg' /></a> <a href='image2.html'>Name: My image 2 <br /><img src='image2_thumb.jpg' /></a> <a href='image3.html'>Name: My image 3 <br /><img src='image3_thumb.jpg' /></a> <a href='image4.html'>Name: My image 4 <br /><img src='image4_thumb.jpg' /></a> <a href='image5.html'>Name: My image 5 <br /><img src='image5_thumb.jpg' /></a> </div> </body></html>1、首先, 打开shell:
scrapy shell http://doc.scrapy.org/en/latest/_static/selectors-sample1.html接着,当shell载入后,将获得名为
response
的shell变量,其为响应的response,并且在其response.selector
属性上绑定了一个selector。 2、为了提取真实的原文数据,你需要调用.extract()
方法如下:
更多的xpath语法可以参考http://www.w3school.com.cn/xpath/xpath_syntax.asp
0 0
- python爬虫笔记 --------scrapy框架(3)
- python爬虫框架scrapy学习笔记
- python爬虫框架scrapy学习笔记
- python爬虫笔记 --------scrapy框架(1)
- python爬虫笔记 --------scrapy框架(2)
- python爬虫笔记 --------scrapy框架(4)
- Python 爬虫框架 scrapy
- Python爬虫框架--Scrapy
- Python Scrapy爬虫框架
- python爬虫 -- scrapy框架
- Python爬虫---scrapy框架
- Scrapy爬虫框架笔记
- Python网络爬虫3 ---- ubuntu下安装爬虫框架scrapy
- <scrapy>python 爬虫框架scrapy安装
- Python网络爬虫框架:Scrapy
- python 爬虫scrapy框架练习
- Scrapy:Python的爬虫框架
- Python爬虫框架Scrapy安装
- 格式: echo -e "\033[字背景颜色;字体颜色m字符串\033[0m"
- PL/SQL中显示行号
- opencv kmeans 算法例子
- 使用typedef语句定义数组类型
- Unity3D动态加载资源的2种方式
- python爬虫笔记 --------scrapy框架(3)
- 将毫秒转成时:分:秒
- CentOS 7.2 安装Subversion(SVN)
- ascii,ISO-8859-1,unicode, utf8,gb2312,big5,gbk,gb18030等几种常区别
- TCP与UDP在socket编程中的区别
- mysql load data infile
- 怎样自定义ie临时文件夹路径和名称
- 如何将pdf转换成word格式不会出现乱码
- 通过swizzle method分类已有方法扩展