scrapy框架开发爬虫实战——css语法

最新推荐文章于 2025-05-22 10:24:10 发布

原创最新推荐文章于 2025-05-22 10:24:10 发布 · 1k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#scrapy #css

python爬虫专栏收录该内容

13 篇文章

订阅专栏

本文介绍了使用Scrapy框架进行爬虫开发时如何运用CSS选择器。CSS选择器用于定位HTML文档中的特定元素，其语法比XPath简单，但通过Python库cssselect可以将其转换为XPath表达式。文中列举了CSS选择器的基本语法，包括元素选择、复合选择、后代选择、子元素选择等，并提供了相关用法实例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

css选择器

CSS即层叠样式表，其选择器是一种用来确定HTML文档中某部分位置的语言。
CSS选择器的语法比XPath更简单一些，但功能不如XPath强大。实际上，当我们调用Selector对象的CSS方法时，在其内部会使
用Python库cssselect将CSS选择器表达式翻译成XPath表达式，然后调用Selector对象的XPATH方法。

css基本语法表

css用法例子

E：选中E元素。

# 选中所有的img
>>> response.css('img')

E1,E2：选中E1和E2元素。

# 选中所有base和title
>>> response.css('base,title')

E1 E2：选中E1后代元素中的E2元素。

# div 后代中的img
>>> response.css('div img')

E1>E2：选中E1子元素中的E2元素

# body 子元素中的div
>>> response.css('body>div')

[ATTR]：选中包含ATTR属性的元素。

# 选中包含style属性的元素
>>> response.css('[style]')

[ATTR=VALUE]：选中包含ATTR属性且值为VALUE的元素。

# 选中属性id值为images-1的元素
>>> response.css('[id=images-1]')

E:nth-child(n)：选中E元素，且该元素必须是其父元素的第n个子元素。

# 选中每个div的第一个a
>>> response.css('div>a:nth-child(1)')

# 选中第二个div的第一个a
>>> response.css('div:nth-child(2)>a:nth-child(1)')

E:first-child：选中E元素，该元素必须是其父元素的第一个子元素。
E:last-child：选中E元素，该元素必须是其父元素的倒数第一个子元素。

# 选中第一个div的最后一个a
>>> response.css('div:first-child>a:last-child')

E::text：选中E元素的文本节点。

# 选中所有a的文本
>>> sel = response.css('a::text')

更多详细内容可以参看CSS选择器文档： https://www.w3.org/TR/css3-selectors/