- 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
我正在尝试通过 scrapy 创建一个蜘蛛来抓取网站并提取特定商店的所有链接。最终,蜘蛛将使用这些商店链接来提取价格信息。该站点旨在将商店信息分解为州和地区。我已经能够提取州/地区的所有子链接,但我似乎无法提取商店的特定信息,该信息是商店链接。
我认为这与页面加载的时间不够长,无法显示这些商店链接有关。所以我使用了 selenium 并将时间延迟了 20 秒,以便为网页加载留出适当的时间。一个示例链接是 https://weedmaps.com/dispensaries/in/united-states/colorado正如您在左侧看到的,有特定商店的信息。使用 inspect 元素的代码片段生成以下 HTML:
<li class="ng-scope" ng-repeat="listing in listings" wm-listing-detail="" role="listing">
<div ng-class="{unpublished: !listing.published}">
<div class="listing feature-1 recreational dispensary" ng- class="featureClassesFor(listing)" ng-click="setActiveMarker(listing)">
<img class="avatar" ng-src="https://d2kxqxnk1i5o9a.cloudfront.net/uploads/avatars/dispensaries/5566/square_10569095_10152344322971376_2924814837799131094_n.jpg" src="https://d2kxqxnk1i5o9a.cloudfront.net/uploads/avatars/dispensaries/5566/square_10569095_10152344322971376_2924814837799131094_n.jpg"/>
<div>
<div class="name hovers">
<a class="ng-binding" href="/dispensaries/organic-alternatives" role="listing url" ng-bind-html="listing.name">Organic Alternatives</a>
</div>
</div>
<div class="address ng-binding">
<div class="wm_map_inactive_rating">
我想提取@href 后面的信息。
我在 scrapy 项目的蜘蛛部分有以下 python 代码:
import scrapy
from scrapy.spider import BaseSpider
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
class scrapybotspider(scrapy.Spider):
name = "scrapybot_spider"
start_urls = ['https://weedmaps.com/dispensaries/in/united-states/colorado']
delay = 20
def __init__(self):
self.driver = webdriver.Firefox()
def parse(self, response):
self.driver.get(response.url)
while True:
StateCountyURL = response.xpath("//*[@id='wm-listings']/div/li[2]/div/div/div[1]/div/@href").extract()
print StateCountyURL
这会产生空括号,我已经尝试了许多不同的 xpath 结构。
最佳答案
您需要开始使用 Explicit Waits .
等待列表可见。获取区域链接的工作示例代码:
from selenium import webdriver
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
driver = webdriver.Firefox()
driver.get('https://weedmaps.com/dispensaries/in/united-states/colorado')
wait = WebDriverWait(driver, 10)
wait.until(EC.visibility_of_element_located((By.CSS_SELECTOR, "div.subregion a.region-ajax-link")))
for region in driver.find_elements_by_css_selector("div.subregion a.region-ajax-link"):
print region.get_attribute("href")
driver.close()
打印:
https://weedmaps.com/dispensaries/in/aspen-colorado
https://weedmaps.com/dispensaries/in/aurora
https://weedmaps.com/dispensaries/in/boulder
https://weedmaps.com/dispensaries/in/colorado-springs
...
https://weedmaps.com/dispensaries/in/other-co
https://weedmaps.com/dispensaries/in/summit-eagle-county
https://weedmaps.com/dispensaries/in/trinidad
同样,对于药房:
wait = WebDriverWait(driver, 10)
wait.until(EC.visibility_of_element_located((By.CSS_SELECTOR, "div.dispensary div.name a")))
for dispensary in driver.find_elements_by_css_selector("div.dispensary div.name a"):
print dispensary.get_attribute("href")
关于python - Scrapy Xpath 构造在动态站点上生成空括号,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30488999/
编辑:为什么这被否决了?我真的不知道...顺便说一句 ../不起作用,因为我不想要 Table 的父级但实际上想要 ../td+1 我不知道这是否可能? 嗨,大家好。 我手头有一个相当复杂的问题..
我很难找到需要单击的输入(复选框)元素的 xpath。我正在尝试使用其他跨度元素来定位它。元素包含 Angular 属性,不知道这是否重要? 元素的结构如下: Company name
我正在尝试构建一个包含许多 XPath 作为参数的 DSL。我是 XPath 的新手,我需要一个 XPath 语法中从未使用过的字符,这样我就可以在脚本的一行中分隔 n 个 XPath。我的问题:哪些
使用xpath在父标签内找到特定标签: 输入样例:
我需要构造一个通用XPath来找到正确的节点,其中的标准是日期和时间。例如查找“ 5 May”,“ 12:17:44”的节点 XML具有日期和时间标签。 不方便地,日期标签仅在当天的第一次出现时填充。
我正在尝试获取xPath几个月内两个日期之间的差异。 几天之内我就没问题了(1127) days-from-duration(xs:date('2012-06-17')-xs:date('2009-0
我试图选择一个包含一段文本的元素,但是我不想选择包含该文本加上其他文本的元素。我通常会使用text()='abc def',但是这个特定元素在前后都包含空格。 这是一个示例片段:
亲爱的,您能帮我用这个XPATH吗?可以说我有以下HTML代码 text value1 value2 text 我需要构建一
我正在尝试提取带有排除项的 xpath,但无法执行此操作。 (//div[@class='row site country-names']/following-sibling::div)[1]/di
response.xpath('//*[@id="blah"]//text()') 假设我的html是 This is a simple text foo and this is after tag.
除了那些具有"//ul/li[not(@*)][count(*)=0]"父项的人以外,我需要全部接受。我已经尝试过,但是不幸的是它不起作用。 有谁知道,我该怎么处理? 提前致谢。 最佳答案 我认为您需
我使用XPath的问题是,每当我使用“子字符串”功能时,我只会得到一个匹配项,而我想全部获得它们。 另一个问题是,每当我使用“子字符串”和运算符的组合时它只是行不通(没有匹配项)。 例如:http:/
我正在尝试通过其位置和属性获取项目,但不知道如何做。 我要实现的是将这一点统一起来: Xpath("//h4/a[contains(@href,'#vuln_')]") 还有这个: Xpath
我有一个xpath如下: .//*[text()='Name:']/../child::select | .//*[text()='Name:']/../child::span 但是对我来说,它既不紧
我拼命试图在xpath中组合几个过滤器。假设我的数据如下所示: DELETE 1 This is my title my sh
我想在已经通过 xpath 设置的其他元素中使用 xpath 来指示元素的位置。 下面的一个已经通过 xpath 设置(我没有改变) //Base_Code
是否可以使用xpath直接在括号内抓取信息?还是以后再用正则表达式过滤? HTML如下所示: Product name (UN1QU3 C0D3) 使用以下Xpath表达式,我可以在此中获取所有内容:
我试图使用一个XPath表达式来选择一个节点,该节点的子节点与文档中的另一个节点匹配。 匹配将意味着该节点的所有属性都相同。因此,如果将一个节点与多个属性进行比较,则无法进行单独的属性比较。 作为示例
我想在 XPath 表达式中使用 Iverson 括号(即映射 true => 1,false => 0)。 示例:而不是书写 someNumber+(if(elem1/elem2[@attr='12
是否可以以类似方式选择节点? './tr[position() in (1, 3, 7)]' 我只找到以下解决方案: './tr[position() = 1 or position() = 3 or
我是一名优秀的程序员,十分优秀!