Question

我用这个html内容抓了一页：

＆＃13;

<div class="td-ss-main-content">
  <div class="td-page-header">...</div>
  <div class="td_module_16 td_module_wrap td-animation-stack">...</div>
  <div class="td_module_16 td_module_wrap td-animation-stack td_module_no_thumb">...</div>
  <div class="page-nav td-pb-padding-side">
    <span class="current">1</span>
    <a href="http://www.arunachaltimes.in/2017/05/06/page/2/" class="page" title="2">2</a>
    <a href="http://www.arunachaltimes.in/2017/05/06/page/3/" class="page" title="3">3</a>
    <a href="http://www.arunachaltimes.in/2017/05/06/page/2/"><i class="td-icon-menu-right"></i></a>
    <span class="pages">Page 1 of 3</span>
  </div>
</div>

＆＃13;

现在我想获得下一页链接，如果它的当前值是.page-nav > a的{{1}}，其i tag。

我可以这样做：

response.css("div.page-nav > a")[2].css("::attr(href)").extract_first()

但是，如果我在第2页，这将无法工作。因此如果a tag的子元素具有i tag，则最好获得<div class="page-nav td-pb-padding-side"> <a href="http://www.arunachaltimes.in/2017/05/06/"><i class="td-icon-menu-left"></i></a> <a href="http://www.arunachaltimes.in/2017/05/06/" class="page" title="1">1</a> <span class="current">2</span> <a href="http://www.arunachaltimes.in/2017/05/06/page/3/" class="page" title="3">3</a> <a href="http://www.arunachaltimes.in/2017/05/06/page/3/"><i class="td-icon-menu-right"></i></a> <span class="pages">Page 2 of 3</span> </div>的值。我怎样才能做到这一点？

更新（第2页）

<div class="page-nav td-pb-padding-side">
    <a href="http://www.arunachaltimes.in/2017/05/06/page/2/"><i class="td-icon-menu-left"></i></a>
    <a href="http://www.arunachaltimes.in/2017/05/06/" class="page" title="1">1</a>
    <a href="http://www.arunachaltimes.in/2017/05/06/page/2/" class="page" title="2">2</a>
    <span class="current">3</span>
    <span class="pages">Page 3 of 3</span>
</div>

更新（第3页最后一页）

{{1}}

Answer 1

您可以使用XPath表达式实现它：

//div[contains(concat(' ', @class, ' '), ' page-nav ')]/a[contains(concat(' ', i/@class, ' '), ' td-icon-menu-right ')]/@href

请注意，为避免误报，我们使用的是concat for the class attribute check。

演示：

$ scrapy shell file:////$PWD/index.html
In [1]: response.xpath("//div[contains(concat(' ', @class, ' '), ' page-nav ')]/a[contains(concat(' ', i/@class, ' '), ' td-icon-menu-right ')]/@href").extract_first()
Out[1]: u'http://www.arunachaltimes.in/2017/05/06/page/2/'

如果条件为真，Scrapy将获得href值的值

1 个答案: