首页 > 开发 > CSS > 正文

CSS选择器实现字段解析

2024-07-11 08:58:59
字体:
来源:转载
供稿:网友

根据上面所学的CSS基础语法知识,现在来实现字段的解析。首先还是解析标题。打开网页开发者工具,找到标题所对应的源代码。

发现是在div class="entry-header"下面的h1节点中,于是打开scrapy shell 进行调试

但是我不想要<h1>这种标签该咋办,这时候就要使用CSS选择器中的伪类方法。如下所示。

注意的是两个冒号。使用CSS选择器真的很方便。同理我用CSS实现字段解析。代码如下

# -*- coding: utf-8 -*-  import scrapy  import re  class JobboleSpider(scrapy.Spider):      name = 'jobbole'      allowed_domains = ['blog.jobbole.com']      start_urls = ['http://blog.jobbole.com/113549/']      def parse(self, response):          # title = response.xpath('//div[@class = "entry-header"]/h1/text()').extract()[0]          # create_date = response.xpath("//p[@class = 'entry-meta-hide-on-mobile']/text()").extract()[0].strip().replace("·","").strip()          # praise_numbers = response.xpath("//span[contains(@class,'vote-post-up')]/h10/text()").extract()[0]          # fav_nums = response.xpath("//span[contains(@class,'bookmark-btn')]/text()").extract()[0]          # match_re = re.match(".*?(/d+).*",fav_nums)          # if match_re:          #     fav_nums = match_re.group(1)          # comment_nums = response.xpath("//a[@href='#article-comment']/span").extract()[0]          # match_re = re.match(".*?(/d+).*", comment_nums)          # if match_re:          #     comment_nums = match_re.group(1)          # content = response.xpath("//div[@class='entry']").extract()[0]  #通过CSS选择器提取字段          title = response.css(".entry-header h1::text").extract()[0]          create_date = response.css(".entry-meta-hide-on-mobile::text").extract()[0].strip().replace("·","").strip()          praise_numbers = response.css(".vote-post-up h10::text").extract()[0]          fav_nums = response.css("span.bookmark-btn::text").extract()[0]          match_re = re.match(".*?(/d+).*", fav_nums)          if match_re:              fav_nums = match_re.group(1)          comment_nums = response.css("a[href='#article-comment'] span::text").extract()[0]          match_re = re.match(".*?(/d+).*", comment_nums)          if match_re:              comment_nums = match_re.group(1)          content = response.css("div.entry").extract()[0]          tags = response.css("p.entry-meta-hide-on-mobile a::text").extract()[0]          pass  

总结

以上所述是小编给大家介绍的CSS选择器实现字段解析,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对武林网网站的支持!

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表