CSS-Selektoren

Web Scraping in Python

Thomas Laetsch

Data Scientist, NYU

Rosetta CSStone

/ durch > ersetzen (außer am Anfang)
- XPath: /html/body/div
- CSS-Selektor: html > body > div
// durch Leerzeichen ersetzen (außer am Anfang)
- XPath: //div/span//p
- CSS-Selektor: div > span p
[N] durch :nth-of-type(N) ersetzen
- XPath: //div/p[2]
- CSS-Selektor: div > p:nth-of-type(2)

Rosetta CSStone

XPATH

xpath = '/html/body//div/p[2]'

CSS

css = 'html > body div > p:nth-of-type(2)'

Attribute in CSS

Für Klassen nutze einen Punkt .
- Beispiel: p.class-1 wählt alle p-Elemente mit class-1

Für IDs nutze ein Rautezeichen #
- Beispiel: div#uid wählt das div mit id gleich uid

Attribute in CSS

Absätze innerhalb der Klasse class1 auswählen:

css_locator = 'div#uid > p.class1'

Alle Elemente mit Klassenattribut class1 auswählen:

css_locator = '.class1'

Klassenstatus

css = '.class1'

Alt-Text: Klassenauswahl nur per CSS-Klasse

Klassenstatus

xpath = '//*[@class="class1"]'

Alt-Text: Klassenauswahl mit XPath (genau)

Klassenstatus

xpath = '//*[contains(@class,"class1")]'

Alt-Text: Klassenauswahl mit XPath (enthält)

Selektoren mit CSS

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 )

>>> sel.css("div > p")
out: [<Selector xpath='...' data='<p>Hello World!</p>'>] 

>>> sel.css("div > p").extract()
out: [ '<p>Hello World!</p>' ]

C(SS) you soon!

Web Scraping in Python