Question

我想使用xpath和scrapy提取数据。这是我的代码：

def parse(self, response):
        Coords = []
        for sel in response.xpath('//*[@id="pitch"]/image[contains(@class,"success")]'):
            item = PogbaItem()
            item['x'] = sel.xpath('@x').extract()
            item['y'] = sel.xpath('@y').extract()
            item['x'] = sel.xpath('@x1').extract()
            item['y'] = sel.xpath('@y1').extract()
            Coords.append(item)
        return Coords

问题是html包含两个不同的元素：第一个（image）包含属性x,y，另一个（line）包含属性x1,y1。我正在尝试将它们放在一起以获得最终的csv，但我找不到正确的xpath我该如何解决？

更新：HTML的两个例子：

<image class="pitch-object timer-1-40 success" x="331.172" y="84.678" width="30" height="30" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="/sites/fourfourtwo.com/modules/custom/statzone/files/icons/successful_clearance.png"></image>

<line class="pitch-object timer-2-84 success" marker-end="url(#smallblue)" x1="453.076" y1="199.169" x2="509.104" y2="216.676" style="stroke:blue;stroke-width:3"></line>

Answer 1

根据我的理解，您希望x值x属性（如果存在）和x1，y同样适用于item['x'] = sel.xpath('@x').extract_first() or sel.xpath('@x1').extract_first() item['y'] = sel.xpath('@y').extract_first() or sel.xpath('@y1').extract_first()。我将如何解决这个问题：

item['x'] = sel.xpath('(@x|@x1)').extract_first()
item['y'] = sel.xpath('(@y|@y1)').extract_first()

或者，您可以使用纯XPath解决方案：

line

而且，由于您需要同时处理image和//*[@id="pitch"]/*[contains(@class,"success")]元素，因此应调整主表达式来处理：

//*[@id="pitch"]/*[(self::image or self::line) and contains(@class,"success")]

或者：

height

从xpath scrapy双重选择

1 个答案: