Question

查看Twitter：www.twitter.com/twitter

您会看到关注者数量显示为5790万，但是如果将鼠标悬停在该值上，您将看到确切的关注者数量。

它在源中显示为：

<span class="ProfileNav-value" data-count="57939946" data-is-compact="true">57.9M</span>

当我在Chrome上检查此跨度时，我使用：

(//ul[@class='ProfileNav-list']/li/a/span[@class='ProfileNav-value']/@data-count)[3]

我正在尝试使用上述方法仅提取属性“ data-count”：

def parseTwitter(self, response):
company_name=response.meta['company_name']
l=ItemLoader(item=TwitterItem(), response=response)
l.add_value('company_name', company_name)
l.add_xpath('twitter_tweets', "(//ul[@class='ProfileNav-list']/li/a/span[@class='ProfileNav-value']/@data-count)[1]/text()")
l.add_xpath('twitter_following', "(//ul[@class='ProfileNav-list']/li/a/span[@class='ProfileNav-value']/@data-count)[2]/text()")
l.add_xpath('twitter_followers', "(//ul[@class='ProfileNav-list']/li/a/span[@class='ProfileNav-value']/@data-count)[3]/text()")

...但是我什么也没回来：

    2018-10-18 10:22:07 [scrapy.extensions.telnet] DEBUG: Telnet console listening on 127.0.0.1:6023
2018-10-18 10:22:07 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://twitter.com/ADP> (referer: None)
2018-10-18 10:22:12 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://twitter.com/Workday> (referer: None)
2018-10-18 10:22:16 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://twitter.com/OracleHCM> (referer: None)
2018-10-18 10:22:16 [scrapy.core.engine] INFO: Closing spider (finished)
2018-10-18 10:22:16 [scrapy.statscollectors] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 892,
 'downloader/request_count': 3,
 'downloader/request_method_count/GET': 3,
 'downloader/response_bytes': 199199,
 'downloader/response_count': 3,
 'downloader/response_status_count/200': 3,
 'finish_reason': 'finished',
 'finish_time': datetime.datetime(2018, 10, 18, 10, 22, 16, 833691),
 'log_count/DEBUG': 4,
 'log_count/INFO': 7,
 'memusage/max': 52334592,
 'memusage/startup': 52334592,
 'response_received_count': 3,
 'scheduler/dequeued': 3,
 'scheduler/dequeued/memory': 3,
 'scheduler/enqueued': 3,
 'scheduler/enqueued/memory': 3,
 'start_time': datetime.datetime(2018, 10, 18, 10, 22, 7, 269320)}

解决方案：根据下面的pwinz建议，我试图从属性中提取文本值“ .text（）”，其中@ -ing属性应该为您提供值。我最后的-可行的-解决方案是：

def parseTwitter(self, response):
    company_name=response.meta['company_name']
    print('### ### ### Inside PARSE TWITTER ### ### ###')

    l=ItemLoader(item=TwitterItem(), response=response)
    l.add_value('company_name', company_name)
    l.add_xpath('twitter_tweets', "(//ul[@class='ProfileNav-list']/li/a/span[@class='ProfileNav-value']/@data-count)[1]")
    l.add_xpath('twitter_following', "(//ul[@class='ProfileNav-list']/li/a/span[@class='ProfileNav-value']/@data-count)[2]")
    l.add_xpath('twitter_followers', "(//ul[@class='ProfileNav-list']/li/a/span[@class='ProfileNav-value']/@data-count)[3]")

    yield l.load_item()

Answer 1

这是因为数据是用Javascript处理的，但是Scrapy仅下载HTML，而不执行任何JS / AJAX代码。

使用Scrapy进行抓取时，请始终在浏览器中禁用Javascript，然后找到要抓取的内容，如果可用，请使用选择器/ xpath，否则，请检查网页上的JS / AJAX调用以了解其如何加载数据

所以，要刮擦关注者的人数

您可以使用以下CSS选择器

--net=host

草率代码

.ProfileNav-item.ProfileNav-item--followers a

Answer 2

关于其他答案，动态内容不是这里的问题。您正在尝试从text()属性中获取data-count。您应该只能够从@data-count获取数据。

尝试以下模式：

l.add_xpath('twitter_tweets', "(//ul[@class='ProfileNav-list']/li/a/span[@class='ProfileNav -value']/@data-count)[1]")

对我有用。

Scrapy：如何从<span>中提取属性值

2 个答案: