Scrapy（六）之Selector選擇器

當我們取得了網頁的response之後，最關鍵的就是如何從繁雜的網頁中把我們需要的資料提取出來，python從網頁中提取資料的包很多，常用的有下面的幾個：

你可以在scrapy中使用任意你熟悉的網頁資料提取工具，但是，scrapy本身也為我們提供了一套提取資料的機制，我們稱之為選擇器(seletors)，他們通過特定的 xpath 或者 css 表示式來「選擇」 html檔案中的某個部分。xpath 是一門用來在xml檔案中選擇節點的語言，也可以用在html上。 css 是一門將html文件樣式化的語言。選擇器由它定義，並與特定的html元素的樣式相關連。

scrapy選擇器構建於 lxml 庫之上，這意味著它們在速度和解析準確性上非常相似。下面我們來了解scrapy選擇器。

import scrapy
from scrapy.selector import selector
class
cnblog_spider
(scrapy.spider)
:    name =
"cnblog"
allowed_domains =
["cnblogs.com"
]    start_urls =
['',]
defparse
(self, response)
:        selector = selector(response=response)
title = selector.xpath(
'//a[@class="titlelnk"]/text()'
).extract(
)        link = selector.xpath(
'//a[@class="titlelnk"]/@href'
).extract(
)        read = selector.xpath(
'//span[@class="article_comment"]/a/text()'
).extract(
)        comment = selector.xpath(
'//span[@class="article_view"]/a/text()'
).extract(
)print
('這是title：'
,title)
print
(, link)
print
('這是閱讀數'
, read)
print
(, comment)

選擇器的使用可以分為下面的三步：

匯入選擇器from scrapy.selector import selector

建立選擇器例項selector = selector(response=response)

使用選擇器selector.xpath()或者selector.css()

當然你可以使用xpath或者css中的任意一種或者組合使用，怎麼方便怎麼來,至於xpath和css語法，你可以去額外學習，仔細觀察，你會發現每個選擇器最後都有乙個extract()，你可以嘗試去掉這個看一下，區別在於，當你沒有使用extract()的時候，提取出來的內容依然具有選擇器屬性，簡而言之，你可以繼續使用裡面的內容進行提取下級內容，而當你使用了extract()之後，提取出來的內容就會變成字串格式了。我們進行多級提取的時候，這會很有用。值得注意的是，選擇器提取出來的內容是放在列表裡面的，即使沒有內容，那也是乙個空列表，下面我們執行這個爬蟲，你會發現內容已經被提取出來了。

事實上，我們可以完全不用那麼麻煩，因為scrapy為我們提供了選擇器的簡易用法，當我們需要選擇器的時候，只要一步就可以了，如下：

import scrapy
class
cnblog_spider
(scrapy.spider)
:    name =
"cnblog"
allowed_domains =
["cnblogs.com"
]    start_urls =
['',]
defparse
(self, response)
:        title = response.xpath(
'//a[@class="titlelnk"]/text()'
).extract(
)        link = response.xpath(
'//a[@class="titlelnk"]/@href'
).extract(
)        read = response.xpath(
'//span[@class="article_comment"]/a/text()'
).extract(
)        comment = response.xpath(
'//span[@class="article_view"]/a/text()'
).extract(
)print
('這是title：'
, title)
print
(, link)
print
('這是閱讀數'
, read)
print
(, comment)

可以看到，我們直接使用response.xpath()就可以了，並沒有匯入什麼，例項化什麼，可以說非常方便了，當然直接response.css()一樣可以。

scrapy為我們提供的選擇器還有一些其他的特點，這裡我們簡單的列舉

import scrapy
class
cnblog_spider
(scrapy.spider)
:    name =
"cnblog"
allowed_domains =
["cnblogs.com"
]    start_urls =
['',]
defparse
(self, response)
:        read = response.xpath(
'//span[@class="article_comment"]/a/text()'
).re(
'\d+'
)        comment = response.xpath(
'//span[@class="article_view"]/a/text()'
).re(
'\d+'
)print
('這是閱讀數'
, read)
print
(, comment)

執行一下，可以看到，效果就出來了。

**：cnkai/p/7398970.html

Scrapy（六）之Selector選擇器

scrapy（六）（未整理完）

scrapy之環境安裝

Scrapy爬蟲入門教程六 Items（專案）

Scrapy（六）之Selector選擇器

scrapy（六）（未整理完）

scrapy之環境安裝

Scrapy爬蟲入門教程六 Items（專案）

相關推薦