在scrapy中使用Selector提取数据

经院吉吉：

    首先说明一下，在scrapy中使用选择器是基于Selector这个对象滴，selector对象在scrapy中通过XPATH或是CSS来提取数据的，我们可以自己创建selector对象，但在实际开发中我们不需要这样做，因为response内置有selector对象，我们可以直接调用其方法，scrapy源码中相关实现过程如下：

可以看到scrapy.selector模块在selector这个方法中，并且response对象有XPATH和CSS方法,为了更好的运用selector对象，先聊聊XPATH和CSS

XPATH(XML Path Language)

基本语法

name	选取name元素的所有子节点
/name	选取根元素name
name/a	x选取所有属于name的子元素的a元素
//div	x选取所有div子元素（不论出现文档任何地方）
name//div	x选取所有属于name元素的后代的div元素，不管他出现在name之下的任何位置
//@class	x选取所有名为class的属性
/name/div[1]	x选取属于name子元素的第一个div元素（注意索引值和列表中的规则不同）
/name/div[last()]	x选取name子元素最后一个div元素
/name/div[last()-1]	x选取属于article子元素的最后一个div元素
//div[@lang]	x选取所有拥有lang属性的div元素
//div[@lang='eng']	x选取所有lang属性为eng的div元素
/div/*	x选取属性为div元素的所有子节点
//*	x选取所有元素
//div[@*]	x选取所有带属性的title元素
/div/a | //ul	x选取文档中的span和ul元素
//span | //ul	x选取文档中的span和ul元素
article/div/p | //span	x选取所有属于article元素的div元素的p元素以及文档中所有的span元素

下面介绍xpath中两个常用的字符串函数

string(arg):返回参数的字符串值，来具体看看实例

1.首先创建一个Selector对象

2.结合上面的表格来看看string（）的具体功能

其实很容易看出string()代替了text()功能，（其中extract()方法返回选中内容的Unicode字符串）但是不仅仅如此，再来看看对比图

所以得出结论：如果想得出a中的整个字符串"EXO is handsome"，使用text()是不行滴，因为两个字符串在不同元素下，这时就要用到string()进行连接了。

• contain(str1,str2):判断str1中是否包含str2，返回布尔值。不详细说明，举个简单栗子，大家可以试试：

  sel.xpath(//p[contains(@class,"small")])#选择class属性中包含small的p元素

CSS选择器基本语法

*	x选择所有节点
#container	x选择id为container的节点
.container	x选择所有class包含container的节点
li a	x选择取所有li下的所有a节点（子节点）
ul + p	x选取ul后面的第一个p元素(兄弟节点)
div#container > ul	x选取id为container的div的第一个ul子元素
ul ~ p	x选取与ul相邻的所有p元素
a[title]	x选取所有title属性的a元素
a[href="http://jobbole.com"]	x选取所有href属性为jobble.com值的元素
a[href="jobble"]	x选取所有href属性包含jobble的a元素
a[href^="jobble"]	选取所有href属性值以jobble开头的a元素
a[href$="jobble"]	选取所有href属性值以jobble结尾的a元素
div:not(#container)	x选取所有id非container的div属性
li:nth-child(3)	x选取第三个li元素
li:nth-child(2n)	d第偶数个li元素
div:empty	x选中没有子元素的div元素
div::text	x选中div元素的文本节点
[class~=clearfix]	x选中包含class属性且值包含clearfix的元素
[class=clearfix]	选中包含class属性且值为clearfix的元素

以上就是xpath和css选择器的简单用法表，欢迎大家指出不足，鄙人虚心请教。