我试着写这个蜘蛛已经好几个星期了,但是没有成功。用Python编写代码的最佳方法是:
1)初始url:http://www.whitecase.com/Attorneys/List.aspx?LastName=A
2)从初始url使用此正则表达式获取这些url:
hxs.select('//td[@class="altRow"][1]/a/@href').re('/.a\w+')[u'/cabel', u'/jacevedo', u'/jacuna', u'/aadler', u'/zahmedani', u'/tairisto', u
/zalbert', u'/salberts', u'/aaleksandrova', u'/malhadeff', u'/nalivojvodic', u'
....
3)转到这些URL中的每一个,并使用此regex刮取学校信息
hxs.select('//td[@class="mainColumnTDa"]').re('(?<=(JD,\s))(.*?)(\d+)'
[u'JD, ', u'University of Florida Levin College of Law, magna cum laude
, Order of the Coif, Symposium Editor, Florida Law Review, Awards for highest
grades in Comparative Constitutional History, Legal Drafting, Real Property and
Sales, ', u'2007']
4)将刮掉的学校信息写入schools.csv文件
你能帮我用Python写这个蜘蛛吗?我一直想用蹩脚的语言写,但没有成功。看我以前的question。
谢谢你。