Question

我正在处理一个棘手的CSS选择器问题，该问题涉及多个嵌套的 span 。

（A）通常，HTML / CSS如下所示：

<div class="pricing">
    <strong>1 200 €</strong> 
</div>

（B），但也有一些部分看起来像这样：

<div class="pricing">
    <strong>
        <span class="promotion">
            <span class="promo-price">1 100 €</span>
        </span>
        <span class="strike">
            <span>1 200€</span>
        </span>
    </strong>
    <div class="new">New supplier</div>
</div>

（C），就像这样：

<div class="pricing">
    <strong>3 400 €</strong> 
    <span>/ best:  4500.00 €</span>
</div>

（D），就像这样：

<div class="pricing">
    <strong>4 900 €</strong> 
    <span class="netto">+ taxes</span> 
    <span>/ best:  4900.00 €</span>
</div>

使用类型为Scrapy的CSS选择器

response.css("div.pricing strong ::text").extract()
# ['2 500 €', '\n    ', '\n    ', '1 100 €', '\n    ', '\n    ', '1 200€', '3 999 €',...]

这表明上述CSS中有问题的<span ...>在选择器文本中添加了空格。因此，我尝试忽略{em> both 和strike和promotion类，使用:not()的各种变化如下：

response.css("div.pricing strong:not([class*='promotion']):not([class*='strike'])::text").extract()
# <same result as above>

我还可以通过以下方式获得promo-price ：

response.css("div.pricing  .promo-price::text").extract()
# ['1 100 €']

在这一点上，我对如何操作一无所知：

获取所有（A）价格
获取所有（B）promo-price（仅）
没有引入空格的结果（如上所示）
（最好是）一个 CSS选择器或行中的所有上述条件

问：如何以最简单的方式做到这一点？

注意：我已经看到了类似的问题：

但是对于我来说，他们没有提供太多帮助。

更新：

我无法按照@boltclock的指示完成任务，结果遭到了难看的骇客攻击，如下所示：

adPrice = aditem.css("div.pricing strong::text").extract_first().strip()
if adPrice == '':
    adPrice = aditem.css("div.pricing span.promo-price::text").extract_first()

所以，如果有人有更好或更优雅的解决方案...

Answer 1

嗯。

div.new仅出现在包含所有复杂性（B）的strong之后，而不出现在仅包含单个价格（A）的strong之后吗？

如果是这样：

获取所有（A）价格

没有引入空格的结果（如上所示）

response.css("div.pricing strong:only-child::text").extract()

请注意，省略了::text之前的空格，以确保您仅获得直接位于strong中的文本—有关用法指南，请参见我对this question的回答的结尾。 / p>

:only-child确保存在div.new时不匹配，如果缺少则表示（A），因此您不必担心（B）。

获取所有（B）promo-price（仅）

response.css("div.pricing .promo-price::text").extract()

（最好是）一个 CSS选择器或行中的所有上述条件

在这一点上，将以上两个选择器进行分组应该很简单：

response.css("div.pricing strong:only-child::text, div.pricing .promo-price::text").extract()

如果div.new不相关，那么使用CSS选择器将很难做到这一点，因为没有其他方法可以区分（A）与（B）。另一方面，XPath的工作量很短：

response.xpath("//div[@class='pricing']/(strong[not(./span)]|descendant::span[@class='promo-price'])/text()").extract()

如何在Scrapy中使用多个嵌套的跨距CSS选择器？

1 个答案: