Question

我试图使用Python工具Scrapy提取一些HTML。

我的选择器如下：

#navigation > nav > div.js-accordion-menu-wrapper > ul li:nth-child(n+5):nth-child(-n+10) > a::attr(href)

出于某种原因，这根本不起作用。具体来说，似乎'n-child（-n + x）似乎不起作用。就像Scrapy没有使用它或允许它一样。

有人可以证实吗？

Answer 1

使用cssselect 1.0.0的Scrapy 1.2.1似乎按预期工作。

这是一个示例scrapy shell会话：

In [1]: selector = scrapy.Selector(text="""<ul>
   ...:     <li>1</li>
   ...:     <li>2</li>
   ...:     <li>3</li>
   ...:     <li>4</li>
   ...:     <li>5</li>
   ...:     <li>6</li>
   ...:     <li>7</li>
   ...:     <li>8</li>
   ...:     <li>9</li>
   ...:     <li>10</li>
   ...:     <li>11</li>
   ...:     <li>12</li>
   ...: </ul>""")

In [2]: selector.css('ul li:nth-child(n+5)').extract()
Out[2]: 
['<li>5</li>',
 '<li>6</li>',
 '<li>7</li>',
 '<li>8</li>',
 '<li>9</li>',
 '<li>10</li>',
 '<li>11</li>',
 '<li>12</li>']

In [3]: selector.css('ul li:nth-child(n+5):nth-child(-n+10)').extract()
Out[3]: 
['<li>5</li>',
 '<li>6</li>',
 '<li>7</li>',
 '<li>8</li>',
 '<li>9</li>',
 '<li>10</li>']

我正在使用：

$ scrapy version -v
Scrapy    : 1.2.1
lxml      : 3.6.4.0
libxml2   : 2.9.4
Twisted   : 16.5.0
Python    : 3.5.0+ (default, Oct 11 2015, 09:05:38) - [GCC 5.2.1 20151010]
pyOpenSSL : 16.2.0 (OpenSSL 1.0.2g  1 Mar 2016)
Platform  : Linux-4.4.0-47-generic-x86_64-with-Ubuntu-16.04-xenial

$ pip freeze | grep cssselect
cssselect==1.0.0

在Scrapy中使用nth-child

1 个答案: