Введение в Selector из scrapy

Веб-скрапинг на Python

Thomas Laetsch

Data Scientist, NYU

Настройка 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 )

Создан объект Selector из scrapy на основе строки с HTML-кодом
Селектор sel выбрал весь HTML-документ

Выбор селекторов

Метод xpath в объекте Selector позволяет создавать новые Selector для отдельных фрагментов HTML-кода
Результат — SelectorList объектов Selector

sel.xpath("//p")

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

Извлечение данных из SelectorList

Используйте метод 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>' ]

Метод extract_first() возвращает первый элемент списка

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

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

Извлечение данных из Selector

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

second_p = ps[1]

second_p.extract()

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

Давайте потренируемся!

Веб-скрапинг на Python