Wprowadzenie do selektora scrapy

Web Scraping w Pythonie

Thomas Laetsch

Data Scientist, NYU

Konfiguracja selektora

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 )

Utworzono obiekt scrapy Selector na podstawie ciągu znaków z kodem HTML
Selektor sel zaznaczył cały dokument HTML

Wybieranie selektorów

Wywołanie xpath w obiekcie Selector pozwala tworzyć nowe Selectory dla określonych fragmentów kodu HTML
Wynikiem jest SelectorList obiektów Selector

sel.xpath("//p")

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

Wyodrębnianie danych z SelectorList

Należy użyć metody 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>' ]

Metoda extract_first() zwraca pierwszy element listy

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

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

Wyodrębnianie danych z selektora

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

second_p = ps[1]

second_p.extract()

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

Wybierz ten kurs!

Web Scraping w Pythonie