CSS-lokalisatorer

Webbskrapning i Python

Thomas Laetsch

Data Scientist, NYU

Rosetta CSStone

/ ersätts av > (utom första tecknet)
- XPath: /html/body/div
- CSS-lokalisator: html > body > div
// ersätts av ett blanksteg (utom första tecknet)
- XPath: //div/span//p
- CSS-lokalisator: div > span p
[N] ersätts av :nth-of-type(N)
- XPath: //div/p[2]
- CSS-lokalisator: div > p:nth-of-type(2)

Rosetta CSStone

XPATH

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

CSS

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

Attribut i CSS

För att hitta ett element via klass, använd en punkt .
- Exempel: p.class-1 väljer alla styckeelement som tillhör class-1

För att hitta ett element via id, använd ett nummertecken #
- Exempel: div#uid väljer div-elementet med id lika med uid

Attribut i CSS

Välj styckeelement inom klassen class1:

css_locator = 'div#uid > p.class1'

Välj alla element vars klassattribut tillhör class1:

css_locator = '.class1'

Klasstatus

css = '.class1'

Klasstatus

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

Klasstatus

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

Selektorer med 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>' ]

Vi ses snart i CSS!

Webbskrapning i Python