我们都知道,Scrapy框架是Python开发的一个快速、高层次的屏幕抓取和web抓取框架,用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛,可以用于数据挖掘、监测和自动化测试。
在我们使用scrapy框架进行爬虫的时候,通常会遇到如下问题:文字提取不够准确,文字提取的同事提取出了多余的符号等,那么,为了使我们提出的数据更加准确、美观,在这篇博客中,我将为大家详细介绍一下scrapy框架提取内容的过程中对文本进行处理的几种方式。
1.首先,创建scrapy框架、(详细方法见上一篇博文)
2.目标网站:https://tieba.baidu.com/p/5815118868
3.目标文本:楼主发布的帖子的内容。、
4.楼主文本源代码:
5.爬取源码:
此时,输出结果如下:(部分)