xpath scrapy的双重选择

Question

我想使用 xpath 和 scrapy 提取数据。这是我的代码：

def parse(self, response):
        Coords = []
        for sel in response.xpath('//*[@id="pitch"]/image[contains(@class,"success")]'):
            item = PogbaItem()
            item['x'] = sel.xpath('@x').extract()
            item['y'] = sel.xpath('@y').extract()
            item['x'] = sel.xpath('@x1').extract()
            item['y'] = sel.xpath('@y1').extract()
            Coords.append(item)
        return Coords

问题在于 html 包含两个不同的元素：第一个 (image) 具有属性 x,y，另一个 (line) 具有属性 x1,y1。我正在尝试将它们放在一起以获得最终的 csv，但我找不到正确的 xpath 我该如何解决？

更新：HTML的两个例子：

<image class="pitch-object timer-1-40 success" x="331.172" y="84.678" width="30" height="30" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="/sites/fourfourtwo.com/modules/custom/statzone/files/icons/successful_clearance.png"></image>

<line class="pitch-object timer-2-84 success" marker-end="url(#smallblue)" x1="453.076" y1="199.169" x2="509.104" y2="216.676" style="stroke:blue;stroke-width:3"></line>

Answer 1

据我了解，您希望将 x 值作为 x 属性（如果存在），否则将 x1 用作 y。以下是我的解决方法：

item['x'] = sel.xpath('@x').extract_first() or sel.xpath('@x1').extract_first()
item['y'] = sel.xpath('@y').extract_first() or sel.xpath('@y1').extract_first()

或者，您可以使用纯 XPath 解决方案：

item['x'] = sel.xpath('(@x|@x1)').extract_first()
item['y'] = sel.xpath('(@y|@y1)').extract_first()

而且，由于您需要同时处理 line 和 image 元素，您应该调整您的主表达式来处理它：

//*[@id="pitch"]/*[contains(@class,"success")]

或者：

//*[@id="pitch"]/*[(self::image or self::line) and contains(@class,"success")]