Question

我正在尝试从下面显示的HTML格式中提取问题

<li > 
    <h3 > Number Theory - Factors < /h3 >
    <p lang = "title" > How many factors of 2 < sup > 5 < /sup > * 3 < sup > 6 < /sup > * 5 < sup > 2 < /sup > are perfect squares?< /p >

    <ol class = "xyz" >
        <li > 18 < /li >
        <li > 24 < /li >
        <li > 36 < /li >
        <li > 8 < /li >
    < / ol >
    <ul class="exp">
        <li class="grey fleft">
            <span class="qlabs_tooltip_bottom qlabs_tooltip_style_33" style="cursor:pointer;">
                <span>
                    <strong>Correct Answer</strong>Choice (B).</br>24
                </span> Correct answer
            </span>
        </li>
        <li class="primary fleft">
            <a href="factors_3.shtml">Explanatory Answer</a>
        </li>
        <li class="grey1 fleft">Factors - Perfect Squares</li>
        <li class="orange flrt">Medium</li>
    </ul>       
</li>

我可以使用XPath表达式提取我的问题 normalize-space（// p [@class =＆＃34; soln＆＃34;]）

XPath表达式提取并给我这个文本 24 * 53 * 74有多少因素是奇数？

我如何得到sub和sup里面的问题？ 可能性1：我得到的问题是＆＃34;有多少因素2 ⁴ * 5 ³ * 7 ⁴是奇数？不会丢失sub或sup＆＃34;

可能性2 我得到的问题为＆＃34; 2 ^ 4 * 5 ^ 3 * 7 ^ 4的多少个因子是奇数？基本上我不想改变问题的含义？＆＃34;

Answer 1

这不是很漂亮，但我们可以使用<sup>预先替换^并删除</sup>遗留问题：

In [1]: response = response.replace(body=response.body.replace("<sup>", "^").replace("</sup>", ""))

In [2]: response.xpath('normalize-space(//p[@lang="title"])').extract_first()
Out[2]: u'How many factors of 2 ^ 5 * 3 ^ 6 * 5 ^ 2 are perfect squares?'

Answer 2

我对screpy还不熟悉我还可以添加一些用java编写的代码示例来帮助你

// get inner html of your question with `sup` or `sub` tags

String question = driver.findElement(By.xpath("//p[@lang = 'title'] ")).getAttribute("innerHTML");

// Replace the tags with symbols

String newQuestion = question.replace("<sup>", "^").replace("</sup>", "");
System.out.println(newQuestion);

在下面的场景中如何使用scrapy处理sub和sup？

2 个答案: