CSS-locators

Webscraping in Python

Thomas Laetsch

Data Scientist, NYU

Rosetta CSStone

Vervang / door > (behalve het eerste teken)
- XPath: /html/body/div
- CSS-locator: html > body > div
Vervang // door een spatie (behalve het eerste teken)
- XPath: //div/span//p
- CSS-locator: div > span p
Vervang [N] door :nth-of-type(N)
- XPath: //div/p[2]
- CSS-locator: 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)'

Attributen in CSS

Zoek op class met een punt .
- Voorbeeld: p.class-1 selecteert alle paragrafen met class-1

Zoek op id met een hek #
- Voorbeeld: div#uid selecteert het div-element met id gelijk aan uid

Attributen in CSS

Selecteer paragrafen binnen class class1:

css_locator = 'div#uid > p.class1'

Selecteer alle elementen met class class1:

css_locator = '.class1'

Classstatus

css = '.class1'

Classstatus

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

Classstatus

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

Selectoren met 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")
uit: [<Selector xpath='...' data='<p>Hello World!</p>'>] 

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

C(SS) you soon!

Webscraping in Python