[[349166]]

/前言/

今天小編給大家介紹Scrapy中另外一種選擇器，即大家經(jīng)常聽說的CSS選擇器。

/CSS基礎(chǔ)/

CSS選擇器和Xpath選擇器的功能是一致的，都是幫助我們?nèi)ザㄎ痪W(wǎng)頁結(jié)構(gòu)中的某一個具體的元素，但是在語法表達上有區(qū)別。Xpath選擇器明明已經(jīng)可以幫助我們提取信息了，為什么還要學(xué)習(xí)CSS選擇器呢？

蘿卜青菜各有所愛，對于不同知識背景的小伙伴，都可以來提取網(wǎng)頁信息。只要是能抓到老鼠的貓，都是好貓，同樣的，只要能提取信息，不論是正則表達式、BeateafulSoup、Xpath選擇器亦或是CSS選擇器，都是好的選擇器，只不過在效率和難易程度上不一樣。此外，對應(yīng)前端的小伙伴來說，CSS選擇器對他們來說就簡單很多。

CSS選擇器功能強大，從實用性出發(fā)，下面是部分比較常用的一些CSS選擇器語法，相對來說比較簡單，但是也是非常實用的語法，希望大家都可以牢牢掌握，后期在提取網(wǎng)頁信息的時候?qū)掳牍Ρ丁?/p>

有了以上的CSS基礎(chǔ)之后，接下來我們進行實際應(yīng)用。

/實際應(yīng)用/

仍然以之前的網(wǎng)站為例進行說明，我們的目標數(shù)據(jù)是標題、發(fā)布日期、主題、正文內(nèi)容、點贊數(shù)、收藏數(shù)、評論數(shù)等。

1、關(guān)于標題部分，之前我們利用Xpath的表達式的時候就分析過，得到了唯一性的定位標簽，在此不再贅述，如下圖所示。

2、仍然利用scrapyshell的調(diào)試模式進行助攻，結(jié)合上邊的CSS基礎(chǔ)語法，標題的具體CSS表達式如下圖所示。

需要注意的是在CSS中獲取標簽文本內(nèi)容的方式是在CSS表達式后邊緊跟“::text”，記住是有兩個冒號噢，與Xpath表達式不一樣。這個表達式看上去比Xpath表達式要簡潔一些，所以當(dāng)某些情況下，大家如果覺得CSS選擇器的表達式比Xpath表達式要簡短或者理解起來相對容易的話，可以首選CSS選擇器，沒有具體的要求，大家根據(jù)自己的喜愛來進行選擇即可，反之亦成立，當(dāng)然也可以同時在一個爬蟲文件將兩個或者多個選擇器進行交叉使用。

3、接下來是發(fā)布日期的提取，仍然是以交互式的方式實現(xiàn)網(wǎng)頁與源碼之間的交互，其中標簽“entry-meta-hide-on-mobile”具有全局唯一性，可以很方便的定位到元素，如下圖所示。

4、根據(jù)網(wǎng)頁結(jié)構(gòu)，我們可輕易的寫出發(fā)布日期的CSS表達式，可以在scrapy shell中先進行測試，再將選擇器表達式寫入爬蟲文件中，詳情如下圖所示。

5、關(guān)于文章主題標簽的CSS表達式，可以看到其在網(wǎng)頁結(jié)構(gòu)上處于日期的下方，如下圖所示。

6、通過更改一下發(fā)布日期的CSS表達式，即可獲取到文章主題標簽。文章主題標簽處于a標簽下，如下圖所示。

獲取到整個列表之后，利用join函數(shù)將數(shù)組中的元素以逗號連接生成一個新的字符串叫tags，然后寫入Scrapy爬蟲文件中去。

7、對于點贊數(shù)，其分析方法同之前一致，找到唯一的一個標簽“vote-post-up”即可定位到數(shù)據(jù)。

8、點贊數(shù)在h10標簽下，根據(jù)網(wǎng)頁結(jié)構(gòu)寫出CSS表達式，調(diào)試的過程如下圖所示。

取出的點贊數(shù)是個字符串，需要利用int()將其強制轉(zhuǎn)換為數(shù)字。

/小結(jié)/

本文基于CSS理論基礎(chǔ)，主要介紹了CSS選擇器的簡單語法和利用CSS選擇器做相關(guān)數(shù)據(jù)采集，下一篇文章將繼續(xù)分享CSS表達式數(shù)據(jù)采集方法，敬請期待，希望對大家的學(xué)習(xí)有幫助。

想學(xué)習(xí)更多關(guān)于Python的知識，可以參考學(xué)習(xí)網(wǎng)址：http://pdcfighting.com/，點擊閱讀原文，可以直達噢~