Question

我正在尝试学习如何进行网页抓取，并且抓取似乎是一个不错的起点。我想出了如何从标签中抓取基本文本信息，但是现在我想从标签本身中抓取信息。下面是一个例子。我正在使用以下网址：https://www.net-a-porter.com/ca/en/product/1100692/chloe/roy-day-small-leather-and-suede-shoulder-bag

我想抄一下袋子的名称和价格。查看DOM结构时，有2个标签：

<h2 class="product-name">
<nap-price class="product-price" price:{...}>

我想在hap-price标签内抓取h2标签和price对象的文本值

并生成这样的对象：

{
name: "from <h2> tag"
price: "price object from <nap-price> tag"
}

当前，我可以从h2标签中获取名称，并且可以获取整个nap-price标签，但是如何仅针对价格对象呢？然后将它们聚合到一个对象中？

Answer 1

您可以使用::attr()，传递您想要其值的属性的名称。然后将JSON字符串解析为Python对象：

import json

price = response.css('nap-price::attr(price)').get()
obj = json.loads(price)

print(obj)
# {"currency":"USD","divisor":100,"amount":185000}

抓取标签对象并汇总值

1 个答案: