Question

我有以下使用Scrapy解析的HTML：

<TD CLASS="dddefault">
    <SPAN class="fieldlabeltext">Associated Term: </SPAN>Fall 2015 - Qatar 
    <BR>
    <SPAN class="fieldlabeltext">Registration Dates: </SPAN>Apr 09, 2015 to Aug 27, 2015 
    <BR>
    <SPAN class="fieldlabeltext">Levels: </SPAN>Graduate, Undergraduate 
    <BR>
</TD>

我希望获得第一个SPAN和BR之间的术语以及第二个SPAN和BR之间的日期。

我试过了：

term = response.xpath('//td[@class="dddefault"]/span[@class="fieldlabeltext"][1]/following-sibling::text()').extract()

date = response.xpath('//td[@class="dddefault"]/span[@class="fieldlabeltext"][2]/following-sibling::text()').extract()

但是这些也给了我下面所有内容的文字。

有什么方法可以在SPAN之后和BR之前获得文本吗？

谢谢。

Answer 1

有什么方法可以在SPAN之后和BR之前获得文本吗？

由于SPAN是当前的上下文节点，因此＆＃39> SPAN＆＃39; 之后的部分标准很容易实现，但＆＃39;在BR＆＃39; part可能不像您想象的那么容易，因为HTML示例中有多个BR元素（fe Graduate, Undergraduate也会在BR之前考虑，第3 BR ）。

因此，我建议采用不同的方法，使用XPath位置索引[1]将结果限制为最近的后续兄弟文本节点，该节点将返回预期的文本节点，例如： / p>

//td[@class="dddefault"]/span[@class="fieldlabeltext"][1]/following-sibling::text()[1]
//td[@class="dddefault"]/span[@class="fieldlabeltext"][2]/following-sibling::text()[1]

Scrapy：在两个标识符

1 个答案: