儿童刮痧提取物答案

【问题标题】：Scrapy extract from children儿童刮痧提取物
【发布时间】：2013-08-04 09:20:49
【问题描述】：

这是我要提取的来自 www.example, com 的源代码。如果有人能解释我需要提取什么。

<table>
    <tr>
        <td colspan="5" style="text-align:left;padding-left:4px;" class="category"><img-src="http://www.example.com/images/menu.gif">TEXT in td 1 </td>
    </tr>
    <tr>
        <td class="date" colspan="5">TEXT in td 2</td>
    </tr>
    <tr>
        <td style="test-align:left;width:40px;">TEXT in td 3</td>
        <td style="padding-right:4px; width:180px;text-align:right">TEXT in td 4</td>
        <td style="width:40px;text-align:center"> TEXT in td 5</td>
        <td style="padding-left:5px; width:180px;text-align:left">TEXT in td 6</td>
        <td style="width:40px;text-align:center"></td>
    </tr>
</table>

这是我要提取的代码。我想提取每个单独的文本，文字 4、5 和 6 am 画得很好。文本 1、2 和 3，如果有人能告诉我如何提取。提前致谢！

    item['TEXT in td 1'] = app.select('//td[2]//text()').extract()
    item['TEXT in td 2'] = app.select('//td[3]/text()').extract()
    item['TEXT in td 3'] = app.select('td[4]/text()').extract()
    item['TEXT in td 5'] = app.select('td[3]//text()').extract()
    item['TEXT in td 4'] = app.select('td[2]/text()').extract()
    item['TEXT in td 6'] = app.select('td[4]/text()').extract()

This a extract Scrapy:

2013-08-04 11:27:11+0300 [app] DEBUG: Scraped from <200 />
        {'TEXT in td 1': [u'', u'TEXT in td 1'],
         'TEXT in td 2': [u'August 04'],
         'TEXT in td 6': [],
         'TEXT in td 5': [],
         'TEXT in td 4': [],
         'TEXT in td 6': []}
2013-08-04 11:27:11+0300 [app] DEBUG: Scraped from <200 />
        {'TEXT in td 1': [u'', u'TEXT in td 1'],
         'TEXT in td 2': [u'August 04'],
         'TEXT in td 6': [u'TEXT in td 6'],
         'TEXT in td 5': [u'TEXT in td 5'],
         'TEXT in td 4': [u'TEXT in td 4'],
         'TEXT in td 6': [u'TEXT in td 6']}

【问题讨论】：

如果您可以编辑您的问题以包含您的完整蜘蛛代码（以及被抓取的网站），那么我们提供帮助会容易得多。 :)

标签： python extract scrapy

【解决方案1】：

这可能会如下完成（我没有scrapy，但是你的Xpaths有问题）

 item['TEXT in td 1'] = app.select('//table/tr[1]/td[1]//text()').extract()
 item['TEXT in td 2'] = app.select('//table/tr[1]/td[2]/text()').extract()
 item['TEXT in td 3'] = app.select('//table/tr[2]/td[1]/text()').extract()
 item['TEXT in td 5'] = app.select('//table/tr[2]/td[2]/text()').extract()
 item['TEXT in td 4'] = app.select('//table/tr[3]/td[1]/text()').extract()
 item['TEXT in td 6'] = app.select('//table/tr[3]/td[2]/text()').extract()

我们正在做的是（假设一个表）我们正在获取表的每一行（观察 tr[1]、tr[2] 等，然后访问这些行中的单元格观察 td[1]、td[2] 等。。

【讨论】：

谢谢，普拉哈拉德！不能正常工作。我在同一个源代码上有多个表，现在从单个项目中的所有表中提取。
@Floriano 在这种情况下，您也可以使用 table* 来使用用户下标，就像我们使用 tr 和 td.
我的问题是如何提取文本1、2和3。我试试：item['TEXT in td 1'] = app.select('//td[2]/ img/@src/text()').extract()) 但我不知道如何提取。我在谷歌上阅读了如何提取。
感谢 Prahalad，我已将 / / * 表包含在 XPATH 中，我按照您所说的使用 tr 和 td 但所有 td 文本 都被提取到一个项目中。我该怎么办？
如果可以的话，能否附上完整的爬取源代码和你要爬取的网站？另外，请粘贴您当前正在获取的输出。