scrapy python重新声明

Question

我正在学习scrapy。我正在使用scrapy 0.20这就是我遵循本教程的原因。 http://doc.scrapy.org/en/0.20/intro/tutorial.html

我理解了这些概念。但是，我还有一件事。

在本声明中

sel.xpath('//title/text()').re('(\w+):')

输出

[u'Computers', u'Programming', u'Languages', u'Python']

什么是 re（'（\ w +）：'）请使用吗？

帮助回答：

这句话

sel.xpath('//title/text()').extract()

有这个输出：

[u'Open Directory - Computers: Programming: Languages: Python: Books']

为什么在元素之间添加逗号,？ 此外，所有'：'都被删除。

而且：这是一个python纯语法吗？

Answer 1

这是一个正则表达式（正则表达式），它本身就是一个整体世界。

（\ w +）：将返回以冒号结尾的任何文本（但不返回冒号） Here is an example of how it works with the ":" getting removed

（\ w +：）将返回以冒号结尾的任何文本（并且还将返回冒号） Here is an example of how it works with the ":" staying in

另外，如果你想了解正则表达式，Codecademy有一个很好的python course

Answer 2

(\w+):

是一个正则表达式，它匹配任何以:结尾的单词并对所有单词字符组成[a-zA-Z_]）。

输出没有:，因为此方法返回所有捕获的组。

结果以Python列表的形式返回。当列表表示为字符串时，元素由,分隔。

\w是[a-zA-Z_]

的缩写

引自Python Regular Expressions Page，

  

\ W

     

如果未指定LOCALE和UNICODE标志，则匹配any   字母数字字符和下划线;这相当于   设置[a-zA-Z0-9_]。使用LOCALE，它将匹配设置[0-9_]加上   任何字符都被定义为当前的字母数字   语言环境。如果设置了UNICODE，则将匹配字符[0-9_] plus   在Unicode字符中被分类为字母数字的任何内容   属性数据库。