Question

当我想要捕获以下信息时：

<td>But<200g/M2</td>


name = fila.select('.//td[2]/text()').extract()

我捕捉到以下内容

"But"

显然与这些字符“＆lt; /”

存在冲突

Answer 1

使用'\'转义特殊字符，所以：

But\<200g\/M2

请注意，使用这些字符创建文件并不容易

Answer 2

这是一种使用BeautifulSoup的方法，以防您在使用其他库时获得更多好运：

from bs4 import BeautifulSoup

soup = BeautifulSoup("""<html><head><title>StackOverflow-Question</title></head><body>
 <table>
  <tr>
   <td>Ifs</td>
   <td>Ands</td>
   <td>But<200g/M2</td>
  </tr>
 </table>
</body></html>""")

print soup.find_all('td')[2].get_text()

这个输出是：

But<200g/M2

如果您想使用XPath，您还可以使用The ElementTree XML API。在这里，我使用BeautifulSoup来获取HTML并将其转换为有效的XML，以便我可以针对它运行XPath查询：

from bs4 import BeautifulSoup
import xml.etree.ElementTree as ET

html = """<html><head><title>StackOverflow-Question</title></head><body>
 <table>
  <tr>
   <td>Ifs / Ands / Or</td>
   <td>But<200g/M2</td>
  </tr>
 </table>
</body></html>"""

soup = BeautifulSoup(html)

root = ET.fromstring(soup.prettify())

print root.findall('.//td[2]')[0].text

这个输出是一样的（注意HTML略有不同，这是因为XPath数组从1开始，而Python数组从0开始）。

用scrapy获取信息（Python）

2 个答案: