Scrapy 学习笔记（一）数据提取

Scrapy 中常用的数据提取方式有三种：Css 选择器、XPath、正则表达式。

Css 选择器

Web 中的 Css 选择器，本来是用于实现在特定 DOM 元素上应用花括号内的样式这样一个功能的。
在爬虫中，我们可以用它来选择提取出需要的内容。Css 有非常丰富的功能，因为我们只用它提取数据，我们只会用到 Css 的选择器。

1. 标签选择器：直接写标签名，比如title就表示选择 title 这个标签。
2. 类选择器：以小数点开头，比如.nav就表示选择所有 class 属性为nav的 DOM 元素。
3. ID 选择器：以 # 开头，比如#content就表示选择 id 属性为content的 DOM 元素。（跟据 css 规范，id 属性值应该是唯一的，不能存在其他具有相同 id 的元素）
4. 属性选择器：写在[]括号内，如a[href="https://example.org"]
5. 伪元素选择器：伪元素选择器来自Css3规范，使用两个冒号引导。最常用的应该是title::text这个伪元素。（不过 css3 规范里好像没有 text 伪元素）
6. 关系选择器：基于关系的选择器-MDN

XPath

直接看阮老师的吧：xpath路径表达式笔记 - 阮一峰

正则

略过。。

参考

• CSS选择器笔记 - 阮一峰
• xpath路径表达式笔记 - 阮一峰