scrapy选择器selectors

Posted 2020-12-18 whnbky

class scrapy.selector.Selector(response=None, text=None, type=None)

Selector 的实例是对选择某些内容响应的封装。
response 是 HtmlResponse 或 XmlResponse 的一个对象，将被用来选择和提取数据。

text 是在 response 不可用时的一个unicode字符串或utf-8编码的文字。将 text 和 response 一起使用是未定义行为。

type 定义了选择器类型，可以是 "html", "xml" or None (默认).

如果 type 是 None ，选择器会根据 response 类型(参见下面)自动选择最佳的类型，或者在和 text 一起使用时，默认为 "html" 。

如果** type **是 None ，并传递了一个 response ，选择器类型将从response类型中推导如下：

"html" for HtmlResponse type
"xml" for XmlResponse type
"html" for anything else
其他情况下，如果设定了 type ，选择器类型将被强制设定，而不进行检测。

xpath(query)
寻找可以匹配xpath query 的节点，并返回 SelectorList 的一个实例结果，单一化其所有元素。列表元素也实现了 Selector 的接口。

query 是包含XPATH查询请求的字符串。

注解

为了方便起见，该方法也可以通过 response.xpath() 调用

css(query)
应用给定的CSS选择器，返回 SelectorList 的一个实例。

query 是一个包含CSS选择器的字符串。

在后台，通过 cssselect 库和运行 .xpath() 方法，CSS查询会被转换为XPath查询。

注解

为了方便起见，该方法也可以通过 response.css() 调用

extract()
串行化并将匹配到的节点返回一个unicode字符串列表。 结尾是编码内容的百分比。

re(regex)
应用给定的regex，并返回匹配到的unicode字符串列表。、

regex 可以是一个已编译的正则表达式，也可以是一个将被 re.compile(regex) 编译为正则表达式的字符串。

register_namespace(prefix, uri)
注册给定的命名空间，其将在 Selector 中使用。 不注册命名空间，你将无法从非标准命名空间中选择或提取数据。参见下面的例子。

remove_namespaces()
移除所有的命名空间，允许使用少量的命名空间xpaths遍历文档。参加下面的例子。

nonzero()
如果选择了任意的真实文档，将返回 True ，否则返回 False 。 也就是说， Selector 的布尔值是通过它选择的内容确定的。

SelectorList对象
class scrapy.selector.SelectorList
SelectorList 类是内建 list 类的子类，提供了一些额外的方法。
xpath(query)
对列表中的每个元素调用 .xpath() 方法，返回结果为另一个单一化的 SelectorList 。

query 和 Selector.xpath() 中的参数相同。

css(query)
对列表中的各个元素调用 .css() 方法，返回结果为另一个单一化的 SelectorList 。

query 和 Selector.css() 中的参数相同。

extract()
对列表中的各个元素调用 .extract() 方法，返回结果为单一化的unicode字符串列表。

re()
对列表中的各个元素调用 .re() 方法，返回结果为单一化的unicode字符串列表。

nonzero()
列表非空则返回True，否则返回False。

在html响应上的选择器样例
这里是一些 Selector 的样例，用来说明一些概念。 在所有的例子中，我们假设已经有一个通过 HtmlResponse 对象实例化的 Selector ，如下:

sel = Selector(html_response)
从HTML响应主体中提取所有的 <h1> 元素，返回:class:Selector 对象(即 SelectorList 的一个对象)的列表:

sel.xpath("//h1")
从HTML响应主体上提取所有 <h1> 元素的文字，返回一个unicode字符串的列表:

sel.xpath("//h1").extract()         # this includes the h1 tag
sel.xpath("//h1/text()").extract()  # this excludes the h1 tag
在所有 <p> 标签上迭代，打印它们的类属性:

for node in sel.xpath("//p"):
    print node.xpath("@class").extract()
在XML响应上的选择器样例
这里是一些样例，用来说明一些概念。在两个例子中，我们假设已经有一个通过 XmlResponse 对象实例化的 Selector ，如下:

sel = Selector(xml_response)
从XML响应主体中选择所有的 <product> 元素，返回 Selector 对象(即 SelectorList 对象)的列表:

sel.xpath("//product")

从 Google Base XML feed 中提取所有的价钱，这需要注册一个命名空间:

sel.register_namespace("g", "http://base.google.com/ns/1.0")
sel.xpath("//g:price").extract()