Question

所以我在scrapy shell中，我尝试的其中一个选择器产生了这个：

>>> response.css(".result-title a").extract()
[u'<a href="#"><em>Membership warehouse</em></a>', u'<a href="#">Publix</a>', u'<a href="#">Kroger Pharmacy</a>']

现在只获得我这样做的文字：

>>> response.css(".result-title a::text").extract()
[u'Publix', u'Kroger Pharmacy']

很明显，这省略了第一个元素，它在文本周围有一个额外的em标签。如何将它与正常文本一起提取，以便我的最终输出是：

[u'Membership warehouse', u'Publix', u'Kroger Pharmacy']

Answer 1

我会在a内的任何级别找到所有文本节点并“加入”它们：

for a in response.css(".result-title a"):
     print("".join(a.xpath(".//text()").extract()))

演示：

$ cat index.html 
<div class="result-title">
    <a href="#"><em>Membership warehouse</em></a>
    <a href="#">Publix</a>
    <a href="#">Kroger Pharmacy</a>
</div>
$ scrapy shell index.html
In [1]: for a in response.css(".result-title a"):
    print("".join(a.xpath(".//text()").extract()))
   ...:     
Membership warehouse
Publix
Kroger Pharmacy

在scrapy中提取em标签内的文本

1 个答案: