python 爬虫对使用Xpath定位文本内容的处理extract_first()

本文介绍了Python爬虫中如何利用Xpath定位并处理文本内容。首先,通过`extract_first()`方法获取最外层标签的文本,然后结合正则表达式去除空格和逗号。接着,通过遍历子标签`/text()`获取内容,并将多个文本字符串拼接成一个无标签的干净文本。最后,强调了即使经过正则处理,仍可能需要进一步的数据清洗以达到预期效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.使用string(.)进行we文本 内容的处理  这时的文本内容并非是真正干净的文本内容 还需要借助其他方法进行优化 用法如下:

content.xpath('//*[@id="guidePage"]/section[2]/div[2]/ol/li[1]/h4').xpath('string(.)').extract_first()

结果如下:

 

2.用如下的方法进行优化

2.1 获取最外层标签,遍历内部所有的子标签“/text()”,获取标签文本

class XiaoshuoSpider(scrapy.Spider):
    name = 'xiaoshuo'
    allowed_domains = ['tieba.baidu.com']
    start_urls = ['https://tieba.baidu.com/p/5815118868']
    f= open('content.txt','a',encoding='utf-8

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小赖同学啊

感谢上帝的投喂

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值