Introducere în Selector-ul scrapy

Web Scraping în Python

Thomas Laetsch

Data Scientist, NYU

Configurarea unui Selector

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 )

S-a creat un obiect Selector scrapy dintr-un șir cu codul html
Selector-ul sel a selectat întregul document html

Selectarea Selector-elor

Putem folosi apelul xpath în cadrul unui Selector pentru a crea noi Selector-e pentru fragmente specifice din codul html
Rezultatul este un SelectorList de obiecte Selector

sel.xpath("//p")

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

Extragerea datelor dintr-un SelectorList

Utilizați metoda 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>' ]

Se poate folosi extract_first() pentru a obține primul element din listă

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

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

Extragerea datelor dintr-un Selector

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

second_p = ps[1]

second_p.extract()

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

Selectați acest curs!

Web Scraping în Python