0.参考
1.初始化
In [325]: from scrapy import Selector
In [326]: text="""
...: <div>
...: <a>1a</a>
...: <p>2p</p>
...: <p>3p</p>
...: </div>"""
In [327]: sel=Selector(text=text)
In [328]: print(sel.extract())
<html><body><div>
<a>1a</a>
<p>2p</p>
<p>3p</p>
</div></body></html>
2.Xpath 父节点/上一个下一个兄弟节点
In [329]: sel.xpath('//a/parent::*/p').extract()
Out[329]: ['<p>2p</p>', '<p>3p</p>']
In [330]: sel.xpath('//p/preceding-sibling::a').extract()
Out[330]: ['<a>1a</a>']
In [331]: sel.xpath('//a/following-sibling::p').extract()
Out[331]: ['<p>2p</p>', '<p>3p</p>']
3.CSS 第几个子节点
3.1 通用
#完整子节点列表，从第一个子节点开始计数，并且满足子节点tag限定
In [332]: sel.css('a:nth-child(1)').extract()
Out[332]: ['<a>1a</a>']
#完整子节点列表，从最后一个子节点开始计数，并且满足子节点tag限定
In [333]: sel.css('a:nth-last-child(1)').extract()
Out[333]: []
In [334]: sel.css('p:nth-child(1)').extract()
Out[334]: []
In [335]: sel.css('p:nth-child(2)').extract()
Out[335]: ['<p>2p</p>']
In [336]: sel.css('p:nth-child(3)').extract()
Out[336]: ['<p>3p</p>']
In [337]: sel.css('p:nth-last-child(1)').extract()
Out[337]: ['<p>3p</p>']
In [338]: sel.css('p:nth-last-child(2)').extract()
Out[338]: ['<p>2p</p>']
In [339]: sel.css('p:nth-last-child(3)').extract()
Out[339]: []
3.2 特别指代
In [340]: sel.css('a:first-child').extract()
Out[340]: ['<a>1a</a>']
In [341]: sel.css('a:last-child').extract()
Out[341]: []
In [342]: sel.css('p:first-child').extract()
Out[342]: []
In [343]: sel.css('p:last-child').extract()
Out[343]: ['<p>3p</p>']
3.3 上述 -child 修改为 -of-type ，仅对 过滤后的相应子节点列表 进行计数
4.Xpath 第几个子节点
In [344]: sel.xpath('//div').extract()
Out[344]: ['<div>\n <a>1a</a>\n <p>2p</p>\n <p>3p</p>\n</div>']
In [345]: sel.xpath('//div/*').extract()
Out[345]: ['<a>1a</a>', '<p>2p</p>', '<p>3p</p>']
In [346]: sel.xpath('//div/node()').extract()
Out[346]: ['\n ', '<a>1a</a>', '\n ', '<p>2p</p>', '\n ', '<p>3p</p>', '\n']
In [347]: sel.xpath('//div/a').extract()
Out[347]: ['<a>1a</a>']
In [348]: sel.xpath('//div/p').extract()
Out[348]: ['<p>2p</p>', '<p>3p</p>']
In [349]:
In [349]: sel.xpath('//div/a[1]').extract()
Out[349]: ['<a>1a</a>']
In [350]: sel.xpath('//div/a[last()]').extract()
Out[350]: ['<a>1a</a>']
In [351]:
In [351]: sel.xpath('//div/p[1]').extract() #相当于过滤后的子节点列表
Out[351]: ['<p>2p</p>']
In [352]: sel.xpath('//div/p[last()]').extract()
Out[352]: ['<p>3p</p>']
In [353]: sel.xpath('//div/p[last()-1]').extract()
Out[353]: ['<p>2p</p>']
In [354]:
In [354]: sel.xpath('//div/*[1]').extract() #完整子节点列表
Out[354]: ['<a>1a</a>']
In [355]: sel.xpath('//div/*[last()]').extract()
Out[355]: ['<p>3p</p>']
In [356]:
In [356]: sel.xpath('//div/node()[1]').extract() #包括纯文本
Out[356]: ['\n ']
In [357]: sel.xpath('//div/node()[last()]').extract()
Out[357]: ['\n']
