Introdução ao Selector do Scrapy

Raspagem da Web em Python

Thomas Laetsch

Data Scientist, NYU

Configurando um Selector

from scrapy import Selector

html = '''
<html>
  <body>
    <div class="hello datacamp">
      <p>Hello World!</p>
    </div>
    <p>Enjoy DataCamp!</p>
  </body>
</html>
'''

sel = Selector( text = html )

Criamos um objeto Selector do Scrapy a partir de uma string com o HTML
O selector sel selecionou o documento HTML inteiro

Selecionando Selectors

Podemos usar xpath dentro de um Selector para criar novos Selectors de partes específicas do HTML
O retorno é um SelectorList de objetos Selector

sel.xpath("//p")

# outputs the SelectorList:
[<Selector xpath='//p' data='<p>Hello World!</p>'>, 
 <Selector xpath='//p' data='<p>Enjoy DataCamp!</p>'>]

Extraindo dados de um SelectorList

Use o método extract()

>>> sel.xpath("//p")

out: [<Selector xpath='//p' data='<p>Hello World!</p>'>,
      <Selector xpath='//p' data='<p>Enjoy DataCamp!</p>'>]

>>> sel.xpath("//p").extract()

out: [ '<p>Hello World!</p>', 
       '<p>Enjoy DataCamp!</p>' ]

Use extract_first() para obter o primeiro elemento da lista

>>> sel.xpath("//p").extract_first()

out: '<p>Hello World!</p>'

Extraindo dados de um Selector

ps = sel.xpath('//p')

second_p = ps[1]

second_p.extract()

out: '<p>Enjoy DataCamp!</p>'

Selecione este curso!

Raspagem da Web em Python