- 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
包含我的数据的代码:
<div id="content"><!-- InstanceBeginEditable name="EditRegion3" -->
<div id="content_div">
<div class="title" id="content_title_div"><img src="img/banner_outlets.jpg" width="920" height="157" alt="Outlets" /></div>
<div id="menu_list">
<table border="0" cellpadding="5" cellspacing="5" width="100%">
<tbody>
<tr>
<td valign="top">
<p>
<span class="foodTitle">Century Square</span><br />
2 Tampines Central 5<br />
#01-44-47 Century Square<br />
Singapore 529509</p>
<p>
<br />
<strong>Opening Hours:</strong><br />
7am to 12am (Sun-Thu & PH)<br />
24 Hours (Fri & Sat &</p>
<p>
Eve of PH)<br />
Telephone: 6789 0457</p>
</td>
<td valign="top">
<img alt="Century Square" src="/assets/images/outlets/century_sq.jpg" style="width: 260px; height: 140px" /></td>
<td valign="top">
<span class="foodTitle">Liat Towers</span><br />
541 Liat towers #01-01<br />
Orchard Road<br />
Singapore 238888<br />
<br />
<strong>Opening Hours: </strong><br />
24 hours (Daily)<br />
<br />
Telephone: 6737 8036</td>
<td valign="top">
<img alt="Liat Towers" src="/assets/images/outlets/century_liat.jpg" style="width: 260px; height: 140px" /></td>
</tr>
**我想得到
地点名称:世纪广场,Liat Towers
地址:2 Tampines Central 5, 541 Liat towers #01-01
zip :Singapore 529509, Singapore 238888
营业时间:每天 24 小时,早上 7 点到 12 点**
例如:
'<"td valign="top">' 中的第一个 <"p> 有 3 个我想要的数据(姓名、地址、邮政)。我如何拆分它们?
这是我的爬虫代码:
from scrapy.spider import BaseSpider
from scrapy.selector import HtmlXPathSelector
import re
from todo.items import wendyItem
class wendySpider(BaseSpider):
name = "wendyspider"
allowed_domains = ["wendys.com.sg"]
start_urls = ["http://www.wendys.com.sg/outlets.php"]
def parse(self, response):
hxs = HtmlXPathSelector(response)
values = hxs.select('//td')
items = []
for value in values:
item = wendyItem()
item['name'] = value.select('//span[@class="foodTitle"]/text()').extract()
item['address'] = value.select().extract()
item['postal'] = value.select().extract()
item['hours'] = value.select().extract()
item['contact'] = value.select().extract()
items.append(item)
return items
最佳答案
我会选择所有 <td valign="top">
其中包含 <span class="foodTitle">
//div[@id="menu_list"]//td[@valign="top"][.//span[@class="foodTitle"]]
然后对于这些 td
中的每一个cell,获取所有文本节点
.//text()
你会得到类似的东西:
['\n ',
'\n ',
'Century Square',
'\n 2 Tampines Central 5',
'\n #01-44-47 Century Square',
'\n Singapore 529509',
'\n ',
'\n ',
'Opening Hours:',
u'\n 7am to 12am (Sun-Thu &\xa0PH)',
u'\n 24 Hours (Fri & Sat\xa0&',
'\n ',
'\n Eve of PH)',
'\n Telephone: 6789 0457',
'\n ']
和
['\n ',
'Liat Towers',
'\n 541 Liat towers #01-01',
'\n Orchard Road',
'\n Singapore 238888',
'Opening Hours: ',
'\n 24 hours (Daily)',
'\n Telephone: 6737 8036']
其中一些文本节点的字符串表示全是空格,因此将它们剥离并查找“营业时间”和“电话”关键字以循环处理行:
from scrapy.spider import BaseSpider
from scrapy.selector import HtmlXPathSelector
import re
from todo.items import wendyItem
class wendySpider(BaseSpider):
name = "wendyspider"
allowed_domains = ["wendys.com.sg"]
start_urls = ["http://www.wendys.com.sg/outlets.php"]
def parse(self, response):
hxs = HtmlXPathSelector(response)
cells = hxs.select('//div[@id="menu_list"]//td[@valign="top"][.//span[@class="foodTitle"]]')
items = []
for cell in cells:
item = wendyItem()
# get all text nodes
# some lines are blank so .strip() them
lines = cell.select('.//text()').extract()
lines = [l.strip() for l in lines if l.strip()]
# first non-blank line is the place name
item['name'] = lines.pop(0)
# for the other lines, check for "Opening hours" and "Telephone"
# to store lines in correct list container
address_lines = []
hours_lines = []
telephone_lines = []
opening_hours = False
telephone = False
for line in lines:
if 'Opening Hours' in line:
opening_hours = True
elif 'Telephone' in line:
telephone = True
if telephone:
telephone_lines.append(line)
elif opening_hours:
hours_lines.append(line)
else:
address_lines.append(line)
# last address line is the postal code + town name
item['address'] = "\n".join(address_lines[:-1])
item['postal'] = address_lines[-1]
# ommit "Opening hours" (first element in list)
item['hours'] = "\n".join(hours_lines[1:])
item['contact'] = "\n".join(telephone_lines)
items.append(item)
return items
关于python - scrapy,如何在 HTML 标签元素中分隔文本,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18609267/
我需要将文本放在 中在一个 Div 中,在另一个 Div 中,在另一个 Div 中。所以这是它的样子: #document Change PIN
奇怪的事情发生了。 我有一个基本的 html 代码。 html,头部, body 。(因为我收到了一些反对票,这里是完整的代码) 这是我的CSS: html { backgroun
我正在尝试将 Assets 中的一组图像加载到 UICollectionview 中存在的 ImageView 中,但每当我运行应用程序时它都会显示错误。而且也没有显示图像。 我在ViewDidLoa
我需要根据带参数的 perl 脚本的输出更改一些环境变量。在 tcsh 中,我可以使用别名命令来评估 perl 脚本的输出。 tcsh: alias setsdk 'eval `/localhome/
我使用 Windows 身份验证创建了一个新的 Blazor(服务器端)应用程序,并使用 IIS Express 运行它。它将显示一条消息“Hello Domain\User!”来自右上方的以下 Ra
这是我的方法 void login(Event event);我想知道 Kotlin 中应该如何 最佳答案 在 Kotlin 中通配符运算符是 * 。它指示编译器它是未知的,但一旦知道,就不会有其他类
看下面的代码 for story in book if story.title.length < 140 - var story
我正在尝试用 C 语言学习字符串处理。我写了一个程序,它存储了一些音乐轨道,并帮助用户检查他/她想到的歌曲是否存在于存储的轨道中。这是通过要求用户输入一串字符来完成的。然后程序使用 strstr()
我正在学习 sscanf 并遇到如下格式字符串: sscanf("%[^:]:%[^*=]%*[*=]%n",a,b,&c); 我理解 %[^:] 部分意味着扫描直到遇到 ':' 并将其分配给 a。:
def char_check(x,y): if (str(x) in y or x.find(y) > -1) or (str(y) in x or y.find(x) > -1):
我有一种情况,我想将文本文件中的现有行包含到一个新 block 中。 line 1 line 2 line in block line 3 line 4 应该变成 line 1 line 2 line
我有一个新项目,我正在尝试设置 Django 调试工具栏。首先,我尝试了快速设置,它只涉及将 'debug_toolbar' 添加到我的已安装应用程序列表中。有了这个,当我转到我的根 URL 时,调试
在 Matlab 中,如果我有一个函数 f,例如签名是 f(a,b,c),我可以创建一个只有一个变量 b 的函数,它将使用固定的 a=a1 和 c=c1 调用 f: g = @(b) f(a1, b,
我不明白为什么 ForEach 中的元素之间有多余的垂直间距在 VStack 里面在 ScrollView 里面使用 GeometryReader 时渲染自定义水平分隔线。 Scrol
我想知道,是否有关于何时使用 session 和 cookie 的指南或最佳实践? 什么应该和什么不应该存储在其中?谢谢! 最佳答案 这些文档很好地了解了 session cookie 的安全问题以及
我在 scipy/numpy 中有一个 Nx3 矩阵,我想用它制作一个 3 维条形图,其中 X 轴和 Y 轴由矩阵的第一列和第二列的值、高度确定每个条形的 是矩阵中的第三列,条形的数量由 N 确定。
假设我用两种不同的方式初始化信号量 sem_init(&randomsem,0,1) sem_init(&randomsem,0,0) 现在, sem_wait(&randomsem) 在这两种情况下
我怀疑该值如何存储在“WORD”中,因为 PStr 包含实际输出。? 既然Pstr中存储的是小写到大写的字母,那么在printf中如何将其给出为“WORD”。有人可以吗?解释一下? #include
我有一个 3x3 数组: var my_array = [[0,1,2], [3,4,5], [6,7,8]]; 并想获得它的第一个 2
我意识到您可以使用如下方式轻松检查焦点: var hasFocus = true; $(window).blur(function(){ hasFocus = false; }); $(win
我是一名优秀的程序员,十分优秀!