在确认自己xpath或css部分写对的前提下,且在浏览器该网站能匹配到相关内容,为空原因:
有些标签是浏览器规范化额外加上去的,实际的网页源码并没有,例如font,tbody,(目前就遇到这两个,大家可以自行查找还有哪些,不过操作应该差不多。)
解决方法:若代码pub_time = response.xpath('//ul[@class="article-info"]//font/font/text()').extract(),
应去掉font部分,更改为
pub_time = response.xpath('//ul[@class="article-info"]//text()').extract()。 如果拿多了其他内容,再进行处理。
新手爬虫,思路不是很清晰,大家仅供参考。
百度了下发现有类似的解决方法,大家可以看看https://bbs.csdn.net/topics/392341317下面有个回帖。