我正在尝试抓取价格信息,网站的 HTML 如下所示
<span class="def-price" datasku='....'>
<i>$</i>
"999"
<i>.00<i>
</span>
我想得到 999。(我不想要美元符号或 .00)我现在有
product_price_sn = product.css('.def-price i').extract()
我知道这是错误的,但不确定如何解决。知道如何抓取价格信息吗?谢谢!
最佳答案
你可以使用这个xpath //span[@class="def-price"]/text()
确保您使用的是 /text()
而不是 //text()
。否则它将返回 span 标签内的所有文本节点。
或
这个 css 选择器 .def-price::text
。使用css选择器时不要使用.def-price::text
,它会像xpath中的//text()
一样返回所有文本节点。
使用 scrapy response.xpath 对象
from scrapy.http import Request, HtmlResponse as Response
content = '''<span class="def-price" datasku='....'>
<i>$</i>
"999"
<i>.00<i>
</span>'''.encode('utf-8')
url = 'https://stackoverflow.com/questions/62849500'
''' mocking scrapy request object '''
request = Request(url=url)
''' mocking scrapy response object '''
response = Response(url=url, request=request, body=content)
''' using xpath '''
print(response.xpath('//span[@class="def-price"]/text()').extract())
# outputs ['\n ', '\n "999"\n ']
print(''.join(response.xpath('//span[@class="def-price"]/text()').extract()).strip())
# outputs "99"
''' using css selector '''
print(response.css('.def-price::text').extract())
# outputs ['\n ', '\n "999"\n ']
print(''.join(response.css('.def-price::text').extract()).strip())
# outputs "99"
查看实际效果 here
使用 lxml html 解析器
from lxml import html
parser = html.fromstring("""
<span class="def-price" datasku='....'>
<i>$</i>
"999"
<i>.00<i>
</span>
"""
)
print(parser.xpath('//span[@class="def-price"]/text()'))
# outputs ['\n ', '\n "999"\n ']
print(''.join(parser.xpath('//span[@class="def-price"]/text()')).strip())
# outputs "999"
查看实际效果 here
关于获取两个 i 标签之间信息的 CSS 选择器或 XPath?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62849500/