扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
Scrapy中怎么利用Xpath选择器从网页中采集目标数据，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
创新互联公司专注于托里网站建设服务及定制，我们拥有丰富的企业做网站经验。 热诚为您提供托里营销型网站建设，托里网站制作、托里网页设计、托里网站官网定制、成都微信小程序服务，打造托里网络公司原创品牌,更为您提供托里网站排名全网营销落地服务。
/具体实现/
1、针对标题，在上篇文章中就有提及，其Xpath表达式有多种，任选其一即可，在scrapy shell脚本下进行调试，得到标题的提取方式，并写入到爬虫主体文件中。
2、接下来是发布日期的提取，仍然是以交互式的方式实现网页与源码之间的交互，如下图所示。
3、而且标签“entry-meta-hide-on-mobile”具有全局唯一性，可以很方便的定位到元素。
4、根据网页结构，我们可轻易的写出发布日期的Xpath表达式，可以在scrapy shell中先进行测试，再将选择器表达式写入爬虫文件中，详情如下图所示。
这里有部分杂质信息，需要利用strip()和replace()函数剔除多余的杂质，还日期一个“清白”。
5、关于文章主题标签的Xpath表达式，可以看到其在网页结构上处于日期的下方，如下图所示。
因此可以通过更改一下发布日期的Xpath表达式，即可获取到文章主题标签。
6、文章主题标签处于a标签下，如下图所示。
获取到整个列表之后，利用join函数将数组中的元素以逗号连接生成一个新的字符串叫tags，然后写入Scrapy爬虫文件中去。
7、对于点赞数，其分析方法同之前一致，找到唯一的一个标签“vote-post-up”即可定位到数据。
8、细心的小伙伴可能会看到“vote-post-up”属性并不是class标签中唯一一个属性，所以一开始的Xpath表达式匹配的内容为空。
这里给大家安利一个小技巧，如果标签中存在多个属性，且属性是唯一的时候，可以利用contains函数进行助攻，其用法是'//span[contains(@class,"vote-post-up")，务必要多加练习，否则容易忘记。根据网页结构写出Xpath表达式，调试的过程如下图所示。
取出的点赞数是个字符串，需要利用int()将其强制转换为数字。
看完上述内容，你们掌握Scrapy中怎么利用Xpath选择器从网页中采集目标数据的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注创新互联行业资讯频道，感谢各位的阅读！
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
微信二维码
移动版官网