Scrapy:抓取html所有特定元素的两个方法

10 篇文章 0 订阅
9 篇文章 0 订阅

比如要获取所有class=test的div元素,

1. 用Scrapy,示范代码:

    def parse(self, response):
        hxs = Selector(response)
        items = []

        divs = hxs.xpath('//div[@class="test"]')

2. 用lxml,示范代码:

from lxml import etree
#import mechanize
import lxml.html
#import cookielib

#br = mechanize.Browser()
#r = br.open('http://yourdomain.com')
#html = br.response().read()
#root = lxml.html.fromstring(html)
#divs = root.xpath("//div[@class='test']")
hparser = etree.HTMLParser(encoding='utf-8') #for avoiding unicode codec problems
htree = etree.parse('http://yourdomain.com',hparser)
htree.write('/tmp/bi.html') 
divs= htree.xpath("//div[@class='test']")

要获取class包含test的所有div,比如<div class="test website"></div>

把上述xpath的参数修改为 "div[contains(@class,'test')]" 即可。

Scrapy内部解析引擎也是用的lxml。


参考链接:

http://lxml.de/dev/lxmlhtml.html#examples

http://doc.scrapy.org/en/latest/


by iefreer

评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值