用于<mark>的

Question

我想用刮伤提取一些包含在.xpath或.css上的标签上的信息。

但我想提出一些条件，我不知道如何做到这一点。例如，让我们看看我想要销毁的网页的HTML代码。

<div data-tabs-content="" class="estateTabs-panels">
  <div id="detail" data-tabs-pane="" class="estateTabs-panel active">
   <ul class="dotted-list dotted-list--ocom">
    <li><mark>Nombre de pièce(s)
     </mark> <mark>3</mark>
    </li>
    <li>
    <li><mark>Nombre de chambre(s)</mark>
    <mark>2</mark>
    </li>                              
    <li> 
    <mark>Surface</mark>
    <li><mark>70.68m²</mark>
    </li>

我的问题是，对于网站的每一页，<mark>标签中的值都是不同的，例如，如果前面的标记标签中包含"Nombre (S)“，我想提取<mark>2</mark>的值2。

例如，我想做这样的事情：

if elt.css(".XXXX").extract_first() == ' Nombre de chambre(s) ':
       item['value'] = elt.css(".XXXX").extract_first() 

结果必须是2

现在我可以用这样的方式来报废：

item['value'] = info.css('.estateTabs-panel ::text').extract()[4]

但是我不想使用[int]，因为每个页面的值都是不同的。

有马克标签吗？

Answer 1

您可以在xpath查询中直接创建条件：

import scrapy

html = '<div data-tabs-content="" class="estateTabs-panels"> ' \
       '<div id="detail" data-tabs-pane="" class="estateTabs-panel active">' \
       '<ul class="dotted-list dotted-list--ocom">' \
       ' <li><mark>Nombre de pièce(s)' \
       '</mark> <mark>3</mark>' \
       '</li>' \
       '<li>' \
       '<li><mark>Nombre de chambre(s)</mark>' \
       '<mark>2</mark>' \
       '</li>' \
       '<li>' \
       '<mark>Surface</mark>' \
       '<li><mark>70.68m²</mark>' \
       '</li></ul></div></div>'

response = scrapy.Selector(text=html, type="html")

text = response.xpath("//*[contains(text(), 'Nombre de chambre(s)')]/following-sibling::mark/text()")

print(text.get())

返回：

2

xpath查询正在寻找一个元素，该元素包含"Nombre (S)“。如果它找到它，它将得到以下"mark“元素。从这个元素中，文本将被取走。

干杯:)

Answer 2

如果您想使用selector进行同样的操作，那么您也可以尝试这样做：

import scrapy

htmldoc="""
<div data-tabs-content="" class="estateTabs-panels">
  <div id="detail" data-tabs-pane="" class="estateTabs-panel active">
   <ul class="dotted-list dotted-list--ocom">
    <li><mark>Nombre de pièce(s)
     </mark> <mark>3</mark>
    </li>
    <li>
    <li><mark>Nombre de chambre(s)</mark>
    <mark>2</mark>
    </li>                              
    <li> 
    <mark>Surface</mark>
    <li><mark>70.68m²</mark>
    </li>
    </ul>
   </div>
  </div>
"""
res = scrapy.Selector(text=htmldoc)
text = res.css("mark:contains('Nombre de chambre') + mark::text").extract_first()
print(text)

输出：

2