- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在尝试提取 2 个关键字之间的一些文本信息,如下所示:
item['duties']=titles.select('.//span/text()[following-sibling::*[text()="Qualifications/Duties" and preceding-sibling::*text()="Entity Information"]').extract()
蜘蛛:
from scrapy.contrib.spiders import CrawlSpider, Rule
from scrapy.contrib.linkextractors.sgml import SgmlLinkExtractor
from scrapy.http import request
from scrapy.selector import HtmlXPathSelector
from health.items import HealthItem
class healthspider(CrawlSpider):
name="health"
allowed_domains=['mysite']
start_urls=['myurl']
rules=(
Rule(SgmlLinkExtractor(allow=("search/",)), callback="parse_health", follow=True),
Rule(SgmlLinkExtractor(allow=("url",)),callback="parse_job",follow=True),
)
def parse_job(self, response):
hxs=HtmlXPathSelector(response)
titles=hxs.select('//*[@itemprop="description"]')
items = []
for titles in titles:
item=HealthItem()
item['duties']=titles.select('.//span[following-sibling::*[text()="Qualifications/Duties" and preceding-sibling::*text()="Entity Information"]/text()').extract()
item['entity_info']=titles.select('.//span/text()[45]').extract() items.append(item)
print items
return items
但我收到一条错误消息:
raise ValueError("Invalid XPath: %s" % query)
exceptions.ValueError: Invalid XPath: .//span/text()[following-sibling::*[text()="Qualifications/Duties" and preceding-sibling::*text()="Entity Information"]
有没有办法在我的蜘蛛中定义这样的 xpath?
最佳答案
几个选项:
用node()
测试选择(文本节点和元素节点)
In [1]: sel.xpath(""".//node()[preceding-sibling::*="Qualifications/Duties"]
[following-sibling::*="Entity Information"]""").extract()
Out[1]:
[u'<br>',
u'Texas Health Presbyterian Allen is currently in search of a Registered Nurse to help meet the growing needs of our Day Surgery Department to work PRN in Day Surgery and also float to PACU.',
u'<br>',
u'<br>',
u'<b>Basic Qualifications:</b>',
u'<br>',
u'<br>',
u'*Graduate of an accredited school of nursing',
u'<br>',
u'*Valid RN license in the state of Texas',
u'<br>',
u'*BLS',
u'<br>',
u'*ACLS',
u'<br>',
u'*PALS within 6 months of hire',
u'<br>',
u'*Minimum of 1 - 3 years experience as RN in Day Surgery, PACU, Outpatient Surgery, or ICU',
u'<br>',
u'*Strong organizational skills and ability to function in a fast paced work environment',
u'<br>',
u'*Ability to accept responsibility and show initiative to work without direct supervision',
u'<br>',
u'*A high degree of confidentiality, positive interpersonal skills and ability to function in a fast-paced environment',
u'<br>',
u'<br>',
u'<b>Preferred Qualifications:</b>',
u'<br>',
u'<br>',
u'*Three years RN experience in Outpatient Surgery along with some ICU experience.',
u'<br>',
u'*PALS',
u'<br>',
u'*PACU , Endoscopy or Ambulatory setting',
u'<br>',
u'*IV Conscious Sedation',
u'<br>',
u'<br>',
u'<b>Hours/Schedule:</b>',
u'<br>',
u'<br>',
u'*Variable',
u'<br>',
u'<br>',
u'J2WPeriop',
u'<br>',
u'<br>']
仅选择文本节点:(您“松开”了粗线)
In [2]: sel.xpath(""".//text()[preceding-sibling::*="Qualifications/Duties"]
[following-sibling::*="Entity Information"]""").extract()
Out[2]:
[u'Texas Health Presbyterian Allen is currently in search of a Registered Nurse to help meet the growing needs of our Day Surgery Department to work PRN in Day Surgery and also float to PACU.',
u'*Graduate of an accredited school of nursing',
u'*Valid RN license in the state of Texas',
u'*BLS',
u'*ACLS',
u'*PALS within 6 months of hire',
u'*Minimum of 1 - 3 years experience as RN in Day Surgery, PACU, Outpatient Surgery, or ICU',
u'*Strong organizational skills and ability to function in a fast paced work environment',
u'*Ability to accept responsibility and show initiative to work without direct supervision',
u'*A high degree of confidentiality, positive interpersonal skills and ability to function in a fast-paced environment',
u'*Three years RN experience in Outpatient Surgery along with some ICU experience.',
u'*PALS',
u'*PACU , Endoscopy or Ambulatory setting',
u'*IV Conscious Sedation',
u'*Variable',
u'J2WPeriop']
选择你想要的部分的文本节点兄弟+来自粗线的文本节点::
In [3]: sel.xpath(""".//*[preceding-sibling::*="Qualifications/Duties"]
[following-sibling::*="Entity Information"]/text()
|
.//text()[preceding-sibling::*="Qualifications/Duties"]
[following-sibling::*="Entity Information"]""").extract()
Out[3]:
[u'Texas Health Presbyterian Allen is currently in search of a Registered Nurse to help meet the growing needs of our Day Surgery Department to work PRN in Day Surgery and also float to PACU.',
u'Basic Qualifications:',
u'*Graduate of an accredited school of nursing',
u'*Valid RN license in the state of Texas',
u'*BLS',
u'*ACLS',
u'*PALS within 6 months of hire',
u'*Minimum of 1 - 3 years experience as RN in Day Surgery, PACU, Outpatient Surgery, or ICU',
u'*Strong organizational skills and ability to function in a fast paced work environment',
u'*Ability to accept responsibility and show initiative to work without direct supervision',
u'*A high degree of confidentiality, positive interpersonal skills and ability to function in a fast-paced environment',
u'Preferred Qualifications:',
u'*Three years RN experience in Outpatient Surgery along with some ICU experience.',
u'*PALS',
u'*PACU , Endoscopy or Ambulatory setting',
u'*IV Conscious Sedation',
u'Hours/Schedule:',
u'*Variable',
u'J2WPeriop']
关于python - 2个关键字之间的Scrapy xpath,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23002350/
我需要修复 getLineNumberFor 方法,以便如果 lastName 的第一个字符位于 A 和 M 之间,则返回 1;如果它位于 N 和 Z 之间,则返回 2。 在我看来听起来很简单,但我不
您好,感谢您的帮助!我有这个: 0 我必须在每次点击后增加“pinli
Javascript 中是否有一种方法可以在不使用 if 语句的情况下通过 switch case 结构将一个整数与另一个整数进行比较? 例如。 switch(integer) { case
我有一列是“日期”类型的。如何在自定义选项中使用“之间”选项? 最佳答案 请注意,您有2个盒子。 between(在SQL中)包含所有内容,因此将框1设置为:DATE >= startdate,将框2
我有一个表,其中包含年、月和一些数字列 Year Month Total 2011 10 100 2011 11 150 2011 12 100 20
这个问题已经有答案了: Extract a substring between double quotes with regular expression in Java (2 个回答) how to
我有一个带有类别的边栏。正如你在这里看到的:http://kees.een-site-bouwen.nl/ url 中类别的 ID。带有 uri 段(3)当您单击其中一个类别时,例如网页设计。显示了一
这个问题在这里已经有了答案: My regex is matching too much. How do I make it stop? [duplicate] (5 个答案) 关闭 4 年前。 我
我很不会写正则表达式。 我正在尝试获取括号“()”之间的值。像下面这样的东西...... $a = "POLYGON((1 1,2 2,3 3,1 1))"; preg_match_all("/\((
我必须添加一个叠加层 (ImageView),以便它稍微移动到包含布局的左边界的左侧。 执行此操作的最佳方法是什么? 尝试了一些简单的方法,比如将 ImageView 放在布局中并使用负边距 andr
Rx 中是否有一些扩展方法来完成下面的场景? 我有一个开始泵送的值(绿色圆圈)和其他停止泵送的值(簧片圆圈),蓝色圆圈应该是预期值,我不希望这个命令被取消并重新创建(即“TakeUntil”和“Ski
我有一个看起来像这样的数据框(Dataframe X): id number found 1 5225 NA 2 2222 NA 3 3121 NA 我有另一个看起来
所以,我正在尝试制作正则表达式,它将解析存储在对象中的所有全局函数声明,例如,像这样 const a = () => {} 我做了这样的事情: /(?:const|let|var)\s*([A-z0-
我正在尝试从 Intellivision 重新创建 Astro-Smash,我想让桶保持在两个 Angular 之间。我只是想不出在哪里以及如何让这个东西停留在两者之间。 我已经以各种方式交换了函数,
到处检查但找不到答案。 我有这个页面,我使用 INNER JOIN 将两个表连接在一起,获取它们的值并显示它们。我有这个表格,用来获取变量(例如开始日期、结束日期和卡号),这些变量将作为从表中调用值的
我陷入了两个不同的问题/错误之间,无法想出一个合适的解决方案。任何帮助将不胜感激 上下文、FFI 和调用大量 C 函数,并将 C 类型包装在 rust 结构中。 第一个问题是ICE: this pat
我在 MySQL 中有一个用户列表,在订阅时,时间戳是使用 CURRENT_TIMESTAMP 在数据库中设置的。 现在我想从此表中选择订阅日期介于第 X 天和第 Y 天之间的表我尝试了几个查询,但不
我的输入是开始日期和结束日期。我想检查它是在 12 月 1 日到 3 月 31 日之间。(年份可以更改,并且只有在此期间内或之外的日期)。 到目前为止,我还没有找到任何关于 Joda-time 的解决
我正在努力了解线程与 CPU 使用率的关系。有很多关于线程与多处理的讨论(一个很好的概述是 this answer )所以我决定通过在运行 Windows 10、Python 3.4 的 8 CPU
我正在尝试编写 PHP 代码来循环遍历数组以创建 HTML 表格。我一直在尝试做类似的事情: fetchAll(PDO::FETCH_ASSOC); ?>
我是一名优秀的程序员,十分优秀!