Úvod do scrapy Selector

Web Scraping v Pythonu

Thomas Laetsch

Data Scientist, NYU

Nastavení Selectoru

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 )

Byl vytvořen objekt scrapy Selector s řetězcem obsahujícím html kód
Selektor sel vybral celý html dokument

Výběr Selectorů

Voláním xpath v rámci Selector lze vytvořit nové Selectory pro konkrétní části html kódu
Výsledkem je SelectorList objektů Selector

sel.xpath("//p")

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

Extrakce dat ze SelectorList

Použijte metodu 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>' ]

Pomocí extract_first() získáte první prvek seznamu

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

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

Extrakce dat ze Selectoru

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

second_p = ps[1]

second_p.extract()

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

Vyberte tento kurz!

Web Scraping v Pythonu