Python爬虫:Scrapy链接解析器LinkExtractor返回Link对象

LinkExtractor

from scrapy.linkextractors import LinkExtractor

Link

from scrapy.link import Link

Link四个属性

url text fragment nofollow

如果需要解析出文本,需要在 LinkExtractor 的参数中添加参数:attrs

link_extractor = LinkExtractor(attrs=('href','text'))

links = link_extractor.extract_links(response)

使用示例

import scrapy

from scrapy.linkextractors import LinkExtractor


class DemoSpider(scrapy.Spider):
    name = 'spider'

    
    start_urls = [
        "https://book.douban.com/"
    ]

    def parse(self, response):
        # 参数是正则表达式
        link_extractor = LinkExtractor(allow="https://www.tianyancha.com/brand/b.*")

        links = link_extractor.extract_links(response)

        for link in links:
            print(link.text, link.url)


if __name__ == '__main__':
    cmdline.execute("scrapy crawl spider".split())

评论
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