CSS selektory

Web Scraping v Pythonu

Thomas Laetsch

Data Scientist, NYU

Rosetta CSStone

/ se nahradí > (kromě prvního znaku)
- XPath: /html/body/div
- CSS selektor: html > body > div
// se nahradí mezerou (kromě prvního znaku)
- XPath: //div/span//p
- CSS selektor: div > span p
[N] se nahradí :nth-of-type(N)
- 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)'

Atributy v CSS

Pro výběr elementu podle třídy použijte tečku .
- Příklad: p.class-1 vybere všechny odstavce patřící do class-1

Pro výběr elementu podle id použijte znak #
- Příklad: div#uid vybere element div s id rovným uid

Atributy v CSS

Výběr odstavců ve třídě class1:

css_locator = 'div#uid > p.class1'

Výběr všech elementů, jejichž atribut třídy patří do class1:

css_locator = '.class1'

Stav třídy

css = '.class1'

Stav třídy

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

Stav třídy

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

Selektory s 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) Nashledanou!

Web Scraping v Pythonu