一、实验环境
1.Windows7x64_SP1
2.anaconda3 + python3.7.3(anaconda集成，不需单独安装)
3.scrapy1.6.0
二、用法举例
1.开启scrapy shell，在命令行输入如下命令：
scrapy shell http://doc.scrapy.org/en/latest/_static/selectors-sample1.html
结果如下：
2.提取a节点
-
xpath中用法
result = response.xpath('//a')
结果如下：
[<Selector xpath='//a' data='<a href="image1.html">Name: My image 1 <'>, <Selector xpath='//a' data='<a href="image2.html">Name: My image 2 <'>, <Selector xpath='//a' data='<a href="image3.html">Name: My image 3 <'>, <Selector xpath='//a' data='<a href="image4.html">Name: My image 4 <'>, <Selector xpath='//a' data='<a href="image5.html">Name: My image 5 <'>]
-
css中用法
result = response.css('a')
结果如下：
[<Selector xpath='descendant-or-self::a' data='<a href="image1.html">Name: My image 1 <'>, <Selector xpath='descendant-or-self::a' data='<a href="image2.html">Name: My image 2 <'>, <Selector xpath='descendant-or-self::a' data='<a href="image3.html">Name: My image 3 <'>, <Selector xpath='descendant-or-self::a' data='<a href="image4.html">Name: My image 4 <'>, <Selector xpath='descendant-or-self::a' data='<a href="image5.html">Name: My image 5 <'>]
3.查看result的类型
type(result)
结果如下：
scrapy.selector.unified.SelectorList
说明：result为Selector组成的列表，也是SelectList类型，他们都可以继续调用xpath()和css()等方法，进一步提取数据。
4.查看result提取数据全部内容，使用extract()函数
result.extract()
结果如下：
['<a href="image1.html">Name: My image 1 <br><img src="image1_thumb.jpg"></a>', '<a href="image2.html">Name: My image 2 <br><img src="image2_thumb.jpg"></a>', '<a href="image3.html">Name: My image 3 <br><img src="image3_thumb.jpg"></a>', '<a href="image4.html">Name: My image 4 <br><img src="image4_thumb.jpg"></a>', '<a href="image5.html">Name: My image 5 <br><img src="image5_thumb.jpg"></a>']
5.提取节点内容
-
xpath中用法，使用text()函数
response.xpath('//a/text()')
结果如下：
[<Selector xpath='//a/text()' data='Name: My image 1 '>, <Selector xpath='//a/text()' data='Name: My image 2 '>, <Selector xpath='//a/text()' data='Name: My image 3 '>, <Selector xpath='//a/text()' data='Name: My image 4 '>, <Selector xpath='//a/text()' data='Name: My image 5 '>]
查看HTML内容
response.xpath('//a/text()').extract()
结果如下：
['Name: My image 1 ', 'Name: My image 2 ', 'Name: My image 3 ', 'Name: My image 4 ', 'Name: My image 5 ']
-
css中用法
response.css('a::text').extract()
结果如下：
['Name: My image 1 ', 'Name: My image 2 ', 'Name: My image 3 ', 'Name: My image 4 ', 'Name: My image 5 ']
6.提取属性值
-
xpath中用法，使用/@属性名（如/@href）
response.xpath('//a/@href').extract()
结果如下：
['image1.html', 'image2.html', 'image3.html', 'image4.html', 'image5.html']
- css中用法
response.css('a::attr("href")').extract()
结果如下：
['image1.html', 'image2.html', 'image3.html', 'image4.html', 'image5.html']
7.提取节点内部子节点
-
xpath中用法，/子节点名
response.xpath('//a/img').extract()
结果如下：
['<img src="image1_thumb.jpg">', '<img src="image2_thumb.jpg">', '<img src="image3_thumb.jpg">', '<img src="image4_thumb.jpg">', '<img src="image5_thumb.jpg">']
-
css中用法
response.css('a img').extract()
结果如下：
['<img src="image1_thumb.jpg">', '<img src="image2_thumb.jpg">', '<img src="image3_thumb.jpg">', '<img src="image4_thumb.jpg">', '<img src="image5_thumb.jpg">']
再提取其中的src属性值，与步骤6相同
-
xpath用法
response.xpath('//a/img/@src').extract()
-
css用法
response.css('a img::attr("src")').extract()
8.公用方法
- extract_first() #用于提取第一个元素
- extract_first('default value') #同上，添加默认参数