1. 采用QQ浏览器 , 当前以获取qiushibaike里面的内容以及好笑,评论数为例
选择需要抓取的内容,然后右键检查
会出现一个调试界面,在 elements 里面选择需要抓取的信息,右键 copy - copy XPath
3. 接下来 可以到 console 界面调试一下抓取的信息(妹的,这么强悍)
使用 $x(‘XPath‘) 可以抓到相关信息
4. 相应的我们可以得到相关Xpath
1.内容 //*[@id="qiushi_tag_116975883"]/div[2]
2.好笑 //*[@id="qiushi_tag_116975883"]/div[3]/span[1]/i
3.评论数 //*[@id="c-116975883"]/i
5.以上只是分析了一个,那如何获取所有呢?如下图,先分析所有的内容。
5.1 然后获取,
结合其他人的项目代码分析
from scrapy import Spider
from scrapy.selector import Selector
from stack.items import StackItem
class StackSpider(Spider):
name = "stack"
allowed_domains = ["stackoverflow.com"]
start_urls = [
"http://stackoverflow.com/questions?pagesize=50&sort=newest",
]
def parse(self, response):
questions = Selector(response).xpath(‘//div[@class="summary"]/h3‘)
for question in questions:
item = StackItem()
item[‘title‘] = question.xpath(
‘a[@class="question-hyperlink"]/text()‘).extract()[0]
item[‘url‘] = question.xpath(
‘a[@class="question-hyperlink"]/@href‘).extract()[0]
yield item
我们将遍历问题,从抓取的数据中分配标题和URL的值。一定要利用Chrome开发者工具的JavaScript控制台测试XPath的选择器,例如$x(‘//div[@class="summary"]/h3/a[@class="question-hyperlink"]/text()‘) 和 $x(‘//div[@class="summary"]/h3/a[@class="question-hyperlink"]/@href‘)。
时间: 2024-10-05 03:02:08