Python Scrapy:将嵌入href中的文本刮除
我使用Scrapy刮取内容,如下所示:Python Scrapy:将嵌入href中的文本刮除,python,xpath,scrapy,Python,Xpath,Scrapy,我使用Scrapy刮取内容,如下所示: >>> response.css(".mt-0.mb-2").extract() ['<h4 class="mt-0 mb-2">\n\t\t\t\t\t\t<a href="https://www.example.com/results/item1/">THIS IS WHAT I WANT TO SCRAPE</a> </h4>', '<h4
>>> response.css(".mt-0.mb-2").extract()
['<h4 class="mt-0 mb-2">\n\t\t\t\t\t\t<a href="https://www.example.com/results/item1/">THIS IS WHAT I WANT TO SCRAPE</a> </h4>', '<h4 class="mt-0 mb-2">\n\t\t\t\t\t\t<a href=…
在处理这些类型的选择器时,XPath是提取它们的唯一方法吗?以及
response.css(“.mt-0.mb-2 a::text”).extract()是什么?或者可能我误解了这个问题?以及response.css(“.mt-0.mb-2A::text”).extract()是什么意思?或者我误解了这个问题?我只得到了制表符和空格,而不是实际的字符串“这是我要刮的”。你看到了吗,在css表达式中,我们添加了a
,并将其文本与a::text
。你试过了吗?抱歉我没看到!谢谢,这将帮助我更好地理解如何处理嵌套资源。我得到的只是制表符和空格,而不是实际的字符串“这是我想要刮取的”。您是否看到我们在css表达式中添加了a
,并将其文本与a::text
。你试过了吗?抱歉我没看到!谢谢,这将帮助我更好地理解如何处理嵌套资源。
>>> response.css(".mt-0.mb-2::text").extract()
['\n\t\t\t\t\t\t', ' ', '\n\t\t\t\t\t\t', ' ', '\n\t\t\t\t\t\t', ' ', '\n\t\t\t\t\t\t',