Python Scrapy 获取不到伪类 ":not()"

Question

可以写

content.css('.text>p::text').extract()

但是

content.css('.text:not(.text .text)>p::text').extract()

将不起作用。它告诉我:

SelectorSyntaxError: Expected ')', got <S ' ' at 15>

是的，'.text:not(.text .text)>p::text' 中的第 15 个字母是 ' '，但是我如何不使用 ' ' 来表达这个意思？

更新

有嵌套<div class='text'> s，我想提取所有<p>它就在第一个 <div class='text'> 的下方.

例如:

<div class='text comment'>
    <strong>abc</strong>
    <span>def</span>
    <p>xxxxxxxxxxxxx</p>
    <p>xxxxxxxxxxxxxxxxxxxxxxxxxxx</p>
    <div class='text sub_comment'>
        <strong>lst</strong>
        <span>lll</span>
        <p>xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx</p>
        <p>xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx</p>
    </div>
</div>

我想获取前两个文本 <p> .我不能使用 .comment和 .sub_comment区分它们，因为它们因情况而异，不一定是 comment在外面和sub_comment在内部标记中。

Answer 1

尝试一下怎么样nth-child(1) ？

所以你的 CSS 应该是:

".text:nth-child(1)>p"

在 Scrapy 中:

In [54]: from scrapy import Selector

In [55]: a
Out[55]: u"<div><div class='text comment'>    <strong>abc</strong>    <span>def</span>    <p>xxxxxxxxxxxxx</p>    <p>xxxxxxxxxxxxxxxxxxxxxxxxxxx</p>    <div class='text sub_comment'>        <strong>lst</strong>        <span>lll</span>        <p>xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx</p>        <p>xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx</p>    </div></div></div>"

In [56]: sel = Selector(text=a)

In [57]: sel.css(".text:nth-child(1)>p::text").extract()
Out[57]: [u'xxxxxxxxxxxxx', u'xxxxxxxxxxxxxxxxxxxxxxxxxxx']

在this tutorial here中有nth-child很好的解释和演示。 (向下滚动到第 22 段)。