Locatori CSS

Web Scraping în Python

Thomas Laetsch

Data Scientist, NYU

Piatra Rosetta CSS

/ înlocuit cu > (exceptând primul caracter)
- XPath: /html/body/div
- Locator CSS: html > body > div
// înlocuit cu spațiu (exceptând primul caracter)
- XPath: //div/span//p
- Locator CSS: div > span p
[N] înlocuit cu :nth-of-type(N)
- XPath: //div/p[2]
- Locator CSS: div > p:nth-of-type(2)

Piatra Rosetta CSS

XPATH

xpath = '/html/body//div/p[2]'

CSS

css = 'html > body div > p:nth-of-type(2)'

Atribute în CSS

Pentru a găsi un element după clasă, folosiți .
- Exemplu: p.class-1 selectează toate elementele paragraf din class-1

Pentru a găsi un element după id, folosiți #
- Exemplu: div#uid selectează elementul div cu id egal cu uid

Atribute în CSS

Selectați elementele paragraf din clasa class1:

css_locator = 'div#uid > p.class1'

Selectați toate elementele cu atributul clasă egal cu class1:

css_locator = '.class1'

Stare clasă

css = '.class1'

Selecție clasă - XPath numai clasă.png

Stare clasă

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

Selecție clasă - XPath egal.png

Stare clasă

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

Selecție clasă - XPath conține.png

Selectori cu 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) Pe curând!

Web Scraping în Python