在Scrapy中如何利用Xpath选择器从网页中采集目标数据——详细教程（下篇）
paleyellow 2020-10-25
/前言/
前几天给大家分享了在Scrapy中如何利用Xpath选择器从网页中采集目标数据——详细教程（上篇），没来得及上车的小伙伴可以戳进去看看，今天继续上篇的内容往下进行。
/具体实现/
9、根据点赞数采集的方法，我们可以很快的定位到收藏数，其对应的网页结构稍微有些不同，但是分析方法是一致的，不再赘述，如下图所示。
10、这里直接给出调试的代码，如下图所示。
11、不过我们需要的是其中的数字，这时候就可以利用正则表达式进行匹配，关于正则表达式的文章，之前有过连载，不熟悉正则表达式的小伙伴可以翻看历史文章，有详细说明的。在Pycharm中进行调试，代码也很简单，如下图所示。
尔后将该代码放入到爬虫主体文件中即可，记得将“15 收藏”这部分替换成collection_num即可。
12、评论数相对简单一些，其有专门的一个标签，如下图所示。
13、需要注意的是评论数这里的标签不是class，而是href，需要和网页上对应，否则取出的值为空列表。
14、同收藏数一样，仍然要以正则表达式的形式去匹配数字，可以直接复制收藏数的代码，然后将收藏数collection_num改为评论数的comment_num即可。
15、关于正文的提取，不同的网页有不同的结构，而且相对复杂，这里不做细究，整体目标是将网页内容和标签均提取出来。分析网页结构，发现正文内容在“entry”标签下，如下图所示。
\
16、之后在scrapyshell调试，可以得到内容的Xpath表达式，如下图所示。
17、到这里，该网页中的信息提取的差不多了，结合上面的分析和Xpath表达式，我们得到的整体代码如下图所示。
18、尔后进行Debug调试，查看代码中获取的内容，如下图所示，十分清晰。
19、下图是控制台部分显示出的变量结果，与代码中显示的内容和网页上的信息都是保持一致的。
至此，关于Xpath表达式的具体应用教程先告一段落。总体来看，我们需要利用F12快捷键来审查网页元素，尔后分析网页结构并进行交互，然后根据网页结构写出Xpath表达式，习惯性的结合scrapy shell进行调试，得到调优的表达式，写入爬虫文件中去，最后执行爬虫程序或者Debug调试查看最终的数据采集结果。
/小结/
