Question

我是初学者，这个脚本对我有用但是错误地：任何人都可以帮我修复此代码吗？这个脚本不提取数字，为什么？

from scrapy.spider import BaseSpider
from scrapy.selector import HtmlXPathSelector

class NameSpider(BaseSpider):
    name = "name"
    allowed_domains = `["`example.com/`"]`
    start_urls = `[

        "http://www.example.com/"
            ]`
    def parse(self, response):
        hxs = HtmlXPathSelector(response)
        sites = hxs.select('//td')
        for site in sites:

            extractcontent = site.select('text()').extract()
            print  extractcontent

这就是提取物。

[u'\n\t\t\t\t\t\t', u'\n\t\t\t\t\t\t']
[u'  ', u' \n\t\t\t\t\t\t\t\t Text']
[u'Text ']
[u'Text ']
[u'\n\t\t\t\t\t\t\t\tText ']
[u' -  ']
[u'\n\t\t\t\t\t\t\t\tText ']
[]
[u'\n\t\t\t\t\t\t', u'\n\t\t\t\t\t\t']
[u'  ', u' \n\t\t\t\t\t\t\t\t Text']
[u'Text ']
[u'Text ']
[u'\n\t\t\t\t\t\t\t\tText ']
[u' ', u'\n\t\t\t\t\t\t\t\t ']
[u'\n\t\t\t\t\t\t\t\tText ']
[]
[u'Text ']
[u'\n\t\t\t\t\t\t\t\tText ']
[u' ', u'\n\t\t\t\t\t\t\t\t ']
[u'\n\t\t\t\t\t\t\t\tText ']

提前感谢您的帮助！

Answer 1

.//text()将获取表格单元格<td>中的所有文字，而strip()将删除结果两端的空白。

for site in sites:
    extractcontent = site.select('.//text()').extract()
    print  [c.strip() for c in extractcontent]

Python：脚本提取错误：你'\ n \ t \ t \ t \ t \ t \ t \ t'

1 个答案: