Python Scrapy如何使用XPath获取:节点值/innerHTML

本文分享了使用Scrapy爬取网页中article元素全文内容的方法,通过node()函数实现,解决了innerHTML难题。

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

最近学习研究Scrapy,刚好遇到爬取文章正文内容,总是搞不定innerHTML 方法

找了很多,都是你抄我,我抄你的,也没有一个人验证的,最终只能自己实践,最终实现了获取节点下辖内容,记录一下,说不定以后要用的:

原始内容,只需要红色部分:

....<div class="content"><img src="1-120F3103553G9.jpg" style="width: 600px; height: 450px;"><br>
关键词:中国古城PPT背景模板,古城PPT背景素材,黄色PPT背景
</div>......

实现代码,主要是用 node() ,获取所有节点及文本,网上告诉的方法都是 text() 纯文本:

item["content"] = "".join(response.xpath("//div[@class='content']/node()").extract()).strip()

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

锐昆

你的鼓励将是我创作的最大动力

¥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