python - scrapy无法正常爬取这段html的内容?
黄舟
黄舟 2017-04-17 16:57:04
0
1
404


如图,爬取途中的时间部分,网址在此:http://sh.huodongxing.com/event/6313289154400?utm_source=%E5%8F%91%E7%8E%B0%E6%B4%BB%E5%8A%A8%E5%88%97%E8%A1%A8%E9%A1%B5&utm_medium=&utm_campaign=eventspage

我用的是scrapy的selector(基于lxml),
用的xpath语句是://p[1]/p/p[1]/text())[7]
在火狐的xpath checker上测试都可以定位到时间部分,但在爬取时都是\R\N等空字符,后来看到网友的办法:

sel = Selector(response, response.body_as_unicode().replace('\r','').replace('\n',''), 'html')

尝试了下,依然有问题(只是把\r\n换成了空格),想请问到底是在哪里出了问题呢

黄舟
黄舟

人生最曼妙的风景,竟是内心的淡定与从容!

membalas semua (1)
Ty80

用 chrome dev 看到的是最终的页面效果。

你试试查看源代码,在里面找找。因为这段 html 可能是 javascript 处理后的。

如果确认源码里面有,可以:右键 --> Copy --> Copy XPath

//*[@id="container-lg"]/p[1]/p/p[1]

    Muat turun terkini
    Lagi>
    kesan web
    Kod sumber laman web
    Bahan laman web
    Templat hujung hadapan
    Tentang kita Penafian Sitemap
    Laman web PHP Cina:Latihan PHP dalam talian kebajikan awam,Bantu pelajar PHP berkembang dengan cepat!