【爬虫提取数据三板斧之二】CSS 选择器资料整理

【爬虫提取数据三板斧之二】CSS 选择器资料整理

CSS即层叠样式表，其选择器是一种用来确定HTML文档中某部分位置的语言。 CSS选择器的语法比XPath更简单一些，但功能不如XPath强大。实际上，当我们调用selector对象的CSS方法时，其内部会使用Python库cssselect将CSS选择器表达式翻译成XPath表达式，然后调用selector对象的XPATH方法。

CSS选择器方法

“CSS” 列指示该属性是在哪个 CSS 版本中定义的。（CSS1、CSS2 还是 CSS3。）

选择器	例子	例子描述	CSS
.class	.intro	选择 class=”intro” 的所有元素。	1
#id	#firstname	选择 id=”firstname” 的所有元素。	1
*	*	选择所有元素。	2
element	p	选择所有 <p> 元素。	1
element,element	div,p	选择所有 <div> 元素和所有 <p> 元素。	1
element element	div p	选择 <div> 元素内部的所有 <p> 元素。	1
element 选择器”>element>element	div>p	选择父元素为 <div> 元素的所有 <p> 元素。	2
element+element	div+p	选择紧接在 <div> 元素之后的所有 <p> 元素。	2
[attribute]	[target]	选择带有 target 属性所有元素。	2
[attribute=value]	[target=_blank]	选择 target=”_blank” 的所有元素。	2
[attribute~=value]	[title~=flower]	选择 title 属性包含单词 “flower” 的所有元素。	2
[attribute|=value]	[lang|=en]	选择 lang 属性值以 “en” 开头的所有元素。	2
:link	a:link	选择所有未被访问的链接。	1
:visited	a:visited	选择所有已被访问的链接。	1
:active	a:active	选择活动链接。	1
:hover	a:hover	选择鼠标指针位于其上的链接。	1
:focus	input:focus	选择获得焦点的 input 元素。	2
:first-letter	p:first-letter	选择每个 <p> 元素的首字母。	1
:first-line	p:first-line	选择每个 <p> 元素的首行。	1
:first-child	p:first-child	选择属于父元素的第一个子元素的每个 <p> 元素。	2
:before	p:before	在每个 <p> 元素的内容之前插入内容。	2
:after	p:after	在每个 <p> 元素的内容之后插入内容。	2
:lang(language)	p:lang(it)	选择带有以 “it” 开头的 lang 属性值的每个 <p> 元素。	2
element1~element2	p~ul	选择前面有 <p> 元素的每个 <ul> 元素。	3
[attribute^=value]	a[src^=”https”]	选择其 src 属性值以 “https” 开头的每个 <a> 元素。	3

常用CSS选择器方法

• 选中所有的E元素，直接元素名
  >>>response.css('img')
• 选中E1和E2元素，使用‘,’逗号
  >>>response.css('E1,E2')
• 选中E1后代元素中的E2元素，使用空格
  >>>response.css('E1 E2')
• 选中E1志愿书中的E2元素，使用‘>’符号
  >>>response.css('E1>E2')
• 选中包含ATTR属性的元素，使用‘[]’符号
  >>>response.css('[attr]')
• 选中包含ATTR属性且值为VALUE的元素，使用‘[attr=value]’符号
  >>>response.css('[attr=value]')
• 选中E元素，且该元素必须是其父元素的第n个子元素，使用‘E:nth-child(n)’
  >>>response.css('E:nth-child(n)')
• 选中E的第一个子元素，使用‘E:first-child’
• 选中E的最后一个子元素，使用‘E:last-child’
• 选中E元素的文本节点，使用‘E::text’