刮伤，Xpath，提取h3内容？

Question

我需要在h3级机身/h3之后，但在h3级引擎之前提取/h3之后的所有内容。

我需要的是：

“投入服务:2010年12月-自新开始的总时间:3 580小时”等。

HTML代码图片-不确定如何直接嵌入它而不是有一个链接

下面是我试过的东西，但它什么也不回。总的来说，我对Scrapy和编程很陌生，所以我希望得到一些帮助。我已经尝试过搜索其他帖子和谷歌在一般情况下没有任何运气。

input =response.xpath(“//div@class=‘大-6单元格response.xpath)”

产出= []

Answer 1

您正在使用的代码引用的是另一个没有您提到的文本的类。

input = response.xpath("//div[@class='large-6 cell selectorgadget_rejected']/h3/text()").extract()

图片中的类名是large-6 cell selectorgadget_selected，而不是large-6 cell selectorgadget_rejected。

另外，如果您使用.../h3/text()，您将在H3标记中刮取文本。据我所知，您希望文本在H3之后，在<div>之间。所以试着做这样的事情：

input = response.xpath("//div[@class='large-6 cell selectorgadget_selected']/text()").extract()

Answer 2

要完成@renatodvc的回答，可以添加normalize-space函数来忽略空格节点。

//div[@class='large-6 cell selectorgadget_selected']/text()[normalize-space()]

或者直接在元素上使用该函数：

normalize-space(//div[@class='large-6 cell selectorgadget_selected'])

产出：

AIRFRAME " Entry Into Service: December 2010" " Total Time Since New: 3,58@ Hours" " Total Landings Since New: 1,173" " (as of September 2019)" " Program Coverage: Enrolled on Smart Parts Plus" " Maintenance Tracking: CAMP "

然后，要提取值，可以使用regex：

import re
text = 'AIRFRAME " Entry Into Service: December 2010" " Total Time Since New: 3,58@ Hours" " Total Landings Since New: 1,173" " (as of September 2019)" " Program Coverage: Enrolled on Smart Parts Plus" " Maintenance Tracking: CAMP "'
data = [el.strip() for el in re.findall(':(.+?)\"', text, re.IGNORECASE)]
print(data)

产出：

['December 2010', '3,58@ Hours', '1,173', 'Enrolled on Smart Parts Plus', 'CAMP']