【pyspider】关于匹配html的数据
今天刚刚接触pyspider,在调试的时候注意匹配数据可以这样写:
<div class="download-wp"> <a data-app-id="28855" data-app-vid="800689740" data-app-name="爱奇艺" data-app-pname="com.qiyi.video" data-app-vcode="81130" data-app-vname="9.7.6" data-app-icon="http://android-artworks.25pp.com/fs08/2018/08/03/6/110_60e3799782d5b646000125fb2c7b3a3c_con_130x130.png" data-app-rtype="0" data-oe="web" data-type="bind" data-feat="binded" data-app-categoryid="5029" data-app-subcategoryid="" data-install="7.9亿" data-like="64.00%" data-name="爱奇艺" data-pn="com.qiyi.video" class="install-btn i-source" rel="nofollow" href="http://www.wandoujia.com/apps/com.qiyi.video/binding?source=web_inner_referral_binded" data-track="detail-download-bind_direct_com.qiyi.video"> 安全下载 </a> <!-- --></div>
比如我想匹配当中的包名和版本名:
packagename=response.doc('div[class="download-wp"]>a').attr('data-app-pname')
version=response.doc('div[class="download-wp"]>a').attr('data-app-vname')
就是拿到了对应的a标签后,通过.attr('属性名')获取对应的属性名。
匹配安装包大小:
<dl class="infos-list"> <dt>大小</dt><dd> 29.75MB <meta itemprop="fileSize" content="29.75MB"></dd> <dt>分类</dt><dd class="tag-box"> <a href="http://www.wandoujia.com/category/5029?pos=w/tags/detail_com.qiyi.video" itemprop="SoftwareApplicationCategory" data-track="detail-click-appTag">影音播放</a> <a href="http://www.wandoujia.com/category/5029_716?pos=w/tags/detail_com.qiyi.video" itemprop="SoftwareApplicationCategory" data-track="detail-click-appTag">视频</a> </dd> <dt>TAG</dt><dd><div class="side-tags clearfix"> <div class="tag-box"><a href="http://www.wandoujia.com/tag/4"> 益智休闲 </a></div> <div class="tag-box"><a href="http://www.wandoujia.com/tag/6"> 趣味 </a></div> <div class="tag-box"><a href="http://www.wandoujia.com/tag/8"> 消除 </a></div> <div class="tag-box"><a href="http://www.wandoujia.com/tag/12"> 战斗 </a></div> <div class="tag-box"><a href="http://www.wandoujia.com/tag/10"> 经典 </a></div> <div class="tag-box"><a href="http://www.wandoujia.com/tag/18"> 动作 </a></div> <div class="tag-box"><a href="http://www.wandoujia.com/tag/20"> 关卡 </a></div> <div class="tag-box"><a href="http://www.wandoujia.com/tag/22"> 简单 </a></div> </div></dd> <dt>更新</dt><dd><time id="baidu_time" itemprop="datePublished" datetime="2018年08月03日">2018年08月03日</time></dd> <dt>版本</dt><dd> 9.7.6</dd> <dt>要求</dt><dd class="perms" itemprop="operatingSystems" content="Android">Android 4.0.2 以上 <div><a href="javascript:;" rel="nofollow" class="view-perms" id="j-view-perms">查看权限要求<i class="arrow-down"> </i></a><ul id="j-perms-list" class="perms-list" style="display:none"> <li><span class="perms" itemprop="permissions">读取短信或彩信</span></li> <li><span class="perms" itemprop="permissions">发送短信或彩信</span></li> </ul></div> </dd> <dt>开发者</dt><dd><span class="dev-sites" itemprop="name">北京爱奇艺科技有限公司</span></dd> </dl>
这样写也可以
size=response.doc('.infos-list > dd>meta[itemprop="fileSize"]').attr.content
但是如果上面匹配包名的时候这样写:
packagename=response.doc('div[class="download-wp"]>a').attr.data-app-pname
就会报错~~
<dl class="infos-list"> <dt>大小</dt><dd> 29.75MB <meta itemprop="fileSize" content="29.75MB"></dd> <dt>分类</dt><dd class="tag-box"> <a href="http://www.wandoujia.com/category/5029?pos=w/tags/detail_com.qiyi.video" itemprop="SoftwareApplicationCategory" data-track="detail-click-appTag">影音播放</a> <a href="http://www.wandoujia.com/category/5029_716?pos=w/tags/detail_com.qiyi.video" itemprop="SoftwareApplicationCategory" data-track="detail-click-appTag">视频</a> </dd> <dt>TAG</dt><dd><div class="side-tags clearfix"> <div class="tag-box"><a href="http://www.wandoujia.com/tag/4"> 益智休闲 </a></div> <div class="tag-box"><a href="http://www.wandoujia.com/tag/6"> 趣味 </a></div> <div class="tag-box"><a href="http://www.wandoujia.com/tag/8"> 消除 </a></div> <div class="tag-box"><a href="http://www.wandoujia.com/tag/12"> 战斗 </a></div> <div class="tag-box"><a href="http://www.wandoujia.com/tag/10"> 经典 </a></div> <div class="tag-box"><a href="http://www.wandoujia.com/tag/18"> 动作 </a></div> <div class="tag-box"><a href="http://www.wandoujia.com/tag/20"> 关卡 </a></div> <div class="tag-box"><a href="http://www.wandoujia.com/tag/22"> 简单 </a></div> </div></dd> <dt>更新</dt><dd><time id="baidu_time" itemprop="datePublished" datetime="2018年08月03日">2018年08月03日</time></dd> <dt>版本</dt><dd> 9.7.6</dd> <dt>要求</dt><dd class="perms" itemprop="operatingSystems" content="Android">Android 4.0.2 以上 <div><a href="javascript:;" rel="nofollow" class="view-perms" id="j-view-perms">查看权限要求<i class="arrow-down"> </i></a><ul id="j-perms-list" class="perms-list" style="display:none"> <li><span class="perms" itemprop="permissions">读取短信或彩信</span></li> <li><span class="perms" itemprop="permissions">发送短信或彩信</span></li> </ul></div> </dd> <dt>开发者</dt><dd><span class="dev-sites" itemprop="name">北京爱奇艺科技有限公司</span></dd> </dl>
【pyspider】关于匹配html的数据的更多相关文章
- pyspider用PyQuery解析页面数据
示例说明: 本示例主要是PyQuery解析返回的response页面数据.response.doc解析页面数据是pyspider的主要用法,应该熟练掌握基本使用方法.其他返回类型示例见后续文章. py ...
- laravel+vue+vuetify 前端匹配不到数据记录 No matching records found
后端数据:使用guzzle获取api数据,(安装扩展包guzzle) use GuzzleHttp\Client; //获取请求远程产品信息需要的参数public function getParams ...
- COLLATE匹配两表数据
MesOrd.MesNO COLLATE Chinese_Taiwan_Stroke_CI_AS = ErpSO.SoNO
- 【转载】使用Pandas进行数据匹配
使用Pandas进行数据匹配 本文转载自:蓝鲸的网站分析笔记 原文链接:使用Pandas进行数据匹配 目录 merge()介绍 inner模式匹配 lefg模式匹配 right模式匹配 outer模式 ...
- Python正则匹配多行,多个数据
最近用Python做一个crawler工具的时候,发现用一个正则表达式可以匹配到个数据的时候用match.group()只能打印出第一个数据,其它数据不能打印出来.最后找到解决方法,现在记录一下,直接 ...
- 转载:【原译】Erlang构建和匹配二进制数据(Efficiency Guide)
转自:http://www.cnblogs.com/futuredo/archive/2012/10/19/2727204.html Constructing and matching binarie ...
- Python-使用Magellan进行数据匹配总结
参考:http://www.biggorilla.org/zh-hans/walkt/ 使用Magellan进行数据匹配过程如下: 假设有两个数据源为A和B, A共有四列数据:(A_Column1,A ...
- 转载:使用Pandas进行数据匹配
使用Pandas进行数据匹配 本文转载自:蓝鲸的网站分析笔记 原文链接:使用Pandas进行数据匹配 目录 merge()介绍 inner模式匹配 lefg模式匹配 right模式匹配 outer模式 ...
- C#简单爬取数据(.NET使用HTML解析器ESoup和正则两种方式匹配数据)
一.获取数据 想弄一个数据库,由于需要一些人名,所以就去百度一下,然后发现了360图书馆中有很多人名 然后就像去复制一下,发现复制不了,需要登陆 此时f12查看源码是可以复制的,不过就算可以复制想要插 ...
随机推荐
- 34. Win7_x64安装oracle11g出现DIM-00019
Win7_x64安装oracle11g出现如下异常处理方式 DIM-00019:创建服务时出错. O/S-ERROR:(OS 1726)远程过程调用失败. 点击弹出的错误框上的确定按钮后,继续弹出错误 ...
- Analysis of Web.xml in Hello1project
一下是hello1 web inf 里的 web.xml <?xml version="1.0" encoding="UTF-8"?><w ...
- poi excel 设置边框字体行高行宽
final HSSFSheet sheet = wb.createSheet(sheetName + "_" + n); System.out.println("s ...
- githup创建新java项目
1.在githup中创建仓库 2.import创建的地址到本地文件d:/mygit 3.在d:/mygit中创建eclipse项目 3.在eclipse中team-->push to branc ...
- 16.linux常用查看命令
cat :查看整个文件tail -200f abc.txt :查看abc.txt的最后200行
- 机器学习进阶-光流估计 1.cv2.goodFeaturesToTrack(找出光流估计所需要的角点) 2.cv2.calcOpticalFlowPyrLK(获得光流检测后的角点位置) 3.cv2.add(进行像素点的加和)
1.cv2.goodFeaturesToTrack(old_gray, mask=None, **feature_params) 用于获得光流估计所需要的角点参数说明:old_gray表示输入图片, ...
- Linux swap 使用
使用的背景 内存吃紧的时候可以考虑使用swap. swap新增 http://www.cnblogs.com/wuxie1989/p/5888595.html swap 使用 https://www. ...
- 利用docker-machine安装swarm
转自:https://www.cnblogs.com/jsonhc/p/7832642.html 安装之前的环境: 两个节点,节点1:192.168.101.14,用来创建manager1 machi ...
- Linux学习笔记--vim
Vim是从 vi 发展出来的一个文本编辑器.代码补完.编译及错误跳转等方便编程的功能特别丰富,在程序员中被广泛使用. vim的三种模式 命令模式(Command mode),输入模式(Insert m ...
- .NET 基础知识
.net程序基本编写.执行流程(c#) 1>编写c#代码,保存为.cs文件. 2>通过csc.exe程序来将.cs文件编译为.net程序集(.exe或.dll).此 ...