Question

我想抓取该网站。

https://stackoverflow.com/jobs?med=site-ui&ref=jobs-tab

我要提取

标题
位置
公司

职位发布

。

我尝试了几个xpath作为位置，公司和标题，但没有任何作用。我也尝试将其写入CSV文件。所有位置，公司和标题都为空白。我认为我的xpath不正确

任何人都可以通过标题，公司和位置的xpath帮助我。 import scrapy class JobItem(scrapy.Item): # Data structure to store the title, company name and location of the job title = scrapy.Field() company = scrapy.Field() location = scrapy.Field() class stackoverflow(scrapy.Spider): name = 'stack_bot' start_urls = ['https://stackoverflow.com/jobs?med=site-ui&ref=jobs-tab'] def parse(self, response): for a_el in response.xpath('//div[@class="listResults"]'): section = JobItem() section['title'] = ? section['company'] = ? section['location'] = ? yield section也是正确的。

Answer 1

我不确定xpath('//div[@class="listResults"]')是否正确。它仅给出一个元素。这是我的代码版本：

def parse(self, response):
    for a_el in response.xpath('//div[contains(@class, "-job-summary")]'):
        section = JobItem()
        section['title']   = a_el.css('h2 a::text').get()
        section['company'] = a_el.xpath('.//div[contains(@class, "-company")]/span[1]/text()').get()
        section['location'] = a_el.xpath('.//div[contains(@class, "-company")]/span[2]/text()').get()
        yield section

Answer 2

考虑使用RSS feed作为源，因为随着时间的推移，它会变得更强大

https://stackoverflow.com/jobs/feed

然后，您可以使用以下CSS选择器来生成可以一起列出（zip（））的列表

标题选择器：item title

公司选择器：a10\:author

位置：location

尝试使用python / scrapy提取数据，但无法找到正确的xpath

2 个答案: