Introduktion till scrapy Selector

Webbskrapning i Python

Thomas Laetsch

Data Scientist, NYU

Skapa en 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 )

Skapade ett scrapy Selector-objekt med en sträng som innehåller HTML-koden
Selectorn sel har markerat hela HTML-dokumentet

Välja Selectors

Vi kan använda xpath-anropet i en Selector för att skapa nya Selectors av specifika delar av HTML-koden
Returvärdet är en SelectorList med Selector-objekt

sel.xpath("//p")

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

Extrahera data från en SelectorList

Använd metoden 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>' ]

Använd extract_first() för att hämta det första elementet i listan

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

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

Extrahera data från en Selector

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

second_p = ps[1]

second_p.extract()

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

Nu kör vi en övning!

Webbskrapning i Python