mywang88
2018-12-26
简介
XML 是常见的数据格式。
解析器往往会忽略 XML 文件中 <![CDATA[ 信息 ]]>
区段的内容,但有时我们是需要抓取这些内容的。
搜索了下这个问题,没找到较好的回答,自己解决。
本文的开发场景为:
- 编程语言:Python 3.7.0
- 使用了 Scrapy 爬虫框架的 Selector 类和它的 xpath 选择器(方法)
- 使用了 requests 库
方法
总结为一句话:
直接把整个文档中所有 <![CDATA[ 信息 ]]>
这东西 信息
两边的字符抹掉。
简单暴力,不需要导入其它任何依赖。
XML 文件示例:
<Item>
<YEAR>