最新消息:20210816 当前crifan.com域名已被污染,为防止失联,请关注(页面右下角的)公众号

【已解决】pyspider中如何写规则去提取网页内容

pyspider crifan 3348浏览 0评论

折腾:

【已解决】写Python爬虫爬取汽车之家品牌车系车型数据

期间,对于如下页面的数据:

此处是需要抓取:

class=”rank-list-ul”

中的:

a中href类似于:

“//car.autohome.com.cn/pic/series/3170.html#pvareaid=103448

“//car.autohome.com.cn/pic/series/692.html#pvareaid=103448

“//car.autohome.com.cn/pic/series/2607.html#pvareaid=103448

所以,先去写规则

pyquery: a jquery-like library for python — pyquery 1.2.4 documentation

css_selectors

css selector

CSS 选择器参考手册

CSS Selectors Reference

CSS selectors – CSS: Cascading Style Sheets | MDN

此处的css选择器,好像是:

<code>.rank-list-ul li div a[href^="//car.autohome.com.cn/pic/series/"]
</code>

然后再去试试对不对

修改了代码,去Save保存了代码,结果再去点击Run,结果找不到函数。

返回管理页面,重新进来,再去运行,没有提示出错,但是Run后没有返回任何follow

然后自己去看html,是有的啊:

再去试了一遍,问题依旧:

点击第一个follow的Run按钮:

结果就没反应了,且第一个follow都没了:

而点击html,也还是第一个主页的html的:

换成稍微简单点的:

<code>        # for each in response.doc('.rank-list-ul li div a[href^="//car.autohome.com.cn/pic/series/"]').items():
        for each in response.doc('.rank-list-ul li div a[href*="/pic/series"]').items():
</code>

结果还真的可以抓取出来了:

所以接着需要:

搞清楚:

<code>.rank-list-ul li div a[href^="//car.autohome.com.cn/pic/series/"]
</code>

这个css selector为何不工作:

【已解决】pyspider中的css选择器不工作

【总结】

此处,去提取想要的的内容:

<code>&lt;ul class="rank-list-ul" 0=""&gt;
  &lt;li id="s3170"&gt;
...
    &lt;div&gt;
      ...
      &lt;a id="atk_3170" href="//car.autohome.com.cn/pic/series/3170.html#pvareaid=103448"&gt;图库&lt;/a&gt;
    ...
    &lt;/div&gt;
  &lt;/li&gt;
...
&lt;/ul&gt;
</code>

的css选择器的写法是:

<code>for each in response.doc('.rank-list-ul li div a[href*="/pic/series"]').items():
</code>

转载请注明:在路上 » 【已解决】pyspider中如何写规则去提取网页内容

发表我的评论
取消评论

表情

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址
85 queries in 0.191 seconds, using 22.20MB memory