Python scrapy xpath过滤器如何按顺序取出文本节点和图片节点,,Hi,all:我最近在用


Hi,all:

我最近在用scrapy在爬取一些网站的内容。需求大致是,完整的爬取网页的内容,要保证网页的文字、图片和视频位置都不发生变化。

我用xpath的语法,比如rootNode.xpath('./p'),这样是能够筛选出所有的p节点,而且跟网页的顺序是一致的。但是有个问题,就是有几个p节点,本来里面的html结构是这样的,<p><img ../></p>,抓取出来后的结果却变成<p></p>。就是说,我在用p节点的时候,xpath好像就已经过滤掉image节点了。

我查阅了xpath的一些链接描述文档,实在没找到合适的方法。

不知道大家怎么解决类似的问题?

编橙之家文章,

评论关闭