第一篇文章。我感谢任何指导,迫不及待地回馈社区。
我正在尝试使用scrapy做一个爬虫,以从该表中收集数据。
http://www.wikicfp.com/cfp/call?conference=machine%20learning
特别是会议名称,地点和日期。但是表tr和td没有类,并且该表位于另一个表中。
无论我如何编辑编解码器,它都会不断为我提供整个页面。
import scrapy
class CfpspiderSpider(scrapy.Spider):
name = 'cfpspider'
allowed_domains = ['http://www.wikicfp.com']
start_urls = ['http://www.wikicfp.com/cfp/call?conference=machine%20learning']
def parse(self, response):
div = response.css("div.contsec")
for table in div:
print(table.css("table")[3].css.extract_first())
稍后,我将继续将其移至下一页并输出csv或json,但现在我正在尝试获取此表的一部分。我已经在scrapy shell中测试了一些命令,但是缺乏我的知识。 谢谢
答案 0 :(得分:0)
按照源代码的外观,页面的结构如下:
Execute shell
编辑:尝试
div class="contsec"
| center
| | form
| | | table
| | | | tr
| | | | tr
| | | | tr
| | | | | td
| | | | | | table id="the droids you are looking for"
| | | | tr