Introductie tot de scrapy Selector

Webscraping in Python

Thomas Laetsch

Data Scientist, NYU

Een Selector opzetten

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 )

Een scrapy Selector-object gemaakt met een string met de html-code
De selector sel heeft het hele html-document geselecteerd

Selectors selecteren

Gebruik de xpath-aanroep binnen een Selector om nieuwe Selectors te maken van specifieke delen van de html-code
De return is een SelectorList met Selector-objecten

sel.xpath("//p")

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

Data extraheren uit een SelectorList

Gebruik de methode 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>' ]

Gebruik extract_first() om het eerste element te krijgen

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

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

Data extraheren uit een Selector

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

second_p = ps[1]

second_p.extract()

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

Selecteer deze cursus!

Webscraping in Python