Python 使用scrapy访问xpath属性时遇到问题

我当前正在尝试删除以下url：

在这个页面上，我想提取列出的评论数量。也就是说，我想提取数字693

这是我当前的xpath：

sel.xpath('//*[@id="BVRRRatingSummaryLinkReadID"]/a/span/span')

---

它似乎只返回一个空数组，有人能建议一个正确的xpath吗？

你不能这样做。如果只是从中抓取html，则不会找到任何693字符串。这些内容必须由一些AJAX代码动态创建

你不能那样做。如果只是从中抓取html，则不会找到任何693字符串。这些内容必须由一些AJAX代码动态创建

使用Scrapy获得的初始页面上没有评论。问题是这些评论是通过大量使用javascript加载和构建的，这使得事情变得更加复杂

基本上，您的选择是：

• 一种高级方法（例如，使用真正的浏览器和）。您甚至可以将Scrapy和Selenium结合使用：
• 中级方法：

  scrapy

  +
• 低级方法（找出评审的构建位置并获取评审）

下面是一个低级方法的工作示例，涉及使用and解析javascript代码，从中提取HTML并通过以下方式进行解析：

打印

693

---

要使解决方案适应Scrapy，您需要使用

Scrapy

而不是

requests

发出请求，并使用

Scrapy

而不是

BeautifulSoup

解析HTML。使用Scrapy获得的初始页面上没有任何评论。问题是这些评论是通过大量使用javascript加载和构建的，这使得事情变得更加复杂

基本上，您的选择是：

• 一种高级方法（例如，使用真正的浏览器和）。您甚至可以将Scrapy和Selenium结合使用：
• 中级方法：

  scrapy

  +
• 低级方法（找出评审的构建位置并获取评审）

下面是一个低级方法的工作示例，涉及使用and解析javascript代码，从中提取HTML并通过以下方式进行解析：

打印

693

---

要使解决方案适应Scrapy，您需要使用

Scrapy

而不是

requests

发出请求，并使用

Scrapy

而不是

BeautifulSoup

解析HTML，因此无法从HTML中获得响应值？您可能需要利用Webkit或类似的工具来首先呈现网页。这将更加复杂。因此没有办法从HTML中获得响应的值？您可能需要利用Webkit或类似的东西来首先呈现网页。这将更加复杂。

import json

from bs4 import BeautifulSoup
import requests
from slimit import ast
from slimit.parser import Parser
from slimit.visitors import nodevisitor

ID = 1042997979

url = 'http://bedbathandbeyond.ugc.bazaarvoice.com/2009-en_us/{id}/reviews.djs?format=embeddedhtml&sort=submissionTime'.format(id=ID)

response = requests.get(url)

parser = Parser()
tree = parser.parse(response.content)
data = ""
for node in nodevisitor.visit(tree):
    if isinstance(node, ast.Object):
        data = json.loads(node.to_ecma())
        if "BVRRSourceID" in data:
            break

soup = BeautifulSoup(data['BVRRSourceID'])
print soup.select('span.BVRRCount span.BVRRNumber')[0].text