Selección de atributos y texto

Web scraping en Python

Thomas Laetsch

Data Scientist, NYU

Hace falta valor para usar los dos puntos

  • Con XPath: <xpath-to-element>/@attr-name
xpath = '//div[@id="uid"]/a/@href'
  • Con selector CSS: <css-to-element>::attr(attr-name)
css_locator = 'div#uid > a::attr(href)'
Web scraping en Python

Extracción de texto

<p id="p-example">
  Hello world! 
  Try <a href="http://www.datacamp.com">DataCamp</a> today!
</p>
  • En XPath usa text()
sel.xpath('//p[@id="p-example"]/text()').extract()

# result: ['\n Hello world!\n Try ', ' today!\n']

sel.xpath('//p[@id="p-example"]//text()').extract()

# result: ['\n Hello world!\n Try ', 'DataCamp', ' today!\n']
Web scraping en Python

Extracción de texto

<p id="p-example">
  Hello world! 
  Try <a href="http://www.datacamp.com">DataCamp</a> today!
</p>
  • Con selector CSS, usa ::text
sel.css('p#p-example::text').extract()

# result: ['\n Hello world!\n Try ', ' today!\n']

sel.css('p#p-example ::text').extract()

# result: ['\n Hello world!\n Try ', 'DataCamp', ' today!\n']
Web scraping en Python

Delimitando el alcance de los dos puntos

Web scraping en Python

Preparing Video For Download...