Python爬虫编程思想（149）：使用Scrapy抓取数据，并通过XPath指定解析规则

Posted 2022-08-13 蒙娜丽宁

        本文的案例会在parse方法中通过response参数设置XPath，然后从html代码中过滤出我们感兴趣的信息，最后将这些信息输出到PyCharm的Console中。

       下面的例子通过XPath过滤出指定页面的博文列表，并利用Beautiful Soup对博文的相关信息进一步过滤，最后在Console中输出博文标题等信息。

import scrapy
from bs4 import *
class BlogSpider(scrapy.Spider):
    name = \'BlogSpider\'
    start_urls = [
        \'https://geekori.com/blogsCenter.php?uid=geekori\'
        ]
def parse(self,response):
    # 过滤出指定页面所有的博文
        sectionList = response.xpath(\'//*[@id="all"]/div[1]/section\').extract()
        # 对博文列表进行迭代
        for section in sectionList:
            # 利用BeautifulSoup对每一篇博文的相关信息进行过滤
            bs = BeautifulSoup(section,\'lxml\')
            articleDict = 
a = bs.find(\'a\')
# 获取博文标题