本教程详细讲解了在scrapy中使用css选择器提取html中未被独立标签包裹的文本数据（如数字）的方法。通过分析`::text`选择器与`get()`和`getall()`方法的行为差异，展示了如何利用`getall()`获取所有匹配的文本节点，并通过列表索引和正则表达式精确提取目标数据，解决`get()`返回`none`或错误值的问题。
理解HTML文本节点的提取挑战
在使用Scrapy进行网页抓取时，我们经常需要从HTML中提取特定的文本信息。然而，当这些文本内容并非整齐地包裹在独立的标签（如、
等）中，而是作为父元素下的直接文本节点存在时，提取过程可能会变得复杂。例如，在一个包含多个子元素和文本节点的div中，直接使用::text选择器配合get()方法往往无法准确获取到我们期望的特定文本。
考虑以下HTML结构片段，我们的目标是提取数字“1”：
Chambres1
在这个例子中，数字“1”是父div（带有类search-results-listings-list__item-description__characteristics__item）的一个直接文本子节点，位于一个svg标签和一个包含“Chambres”的div之后。
::text选择器与get()/getall()的行为差异
在Scrapy中，::text伪元素用于选择元素的直接文本内容。然而，它的行为与我们使用的提取方法（get()或getall()）密切相关。
立即学习“前端免费学习笔记（深入）”；
巧文书
巧文书是一款AI写标书、AI写方案的产品。通过自研的先进AI大模型，精准解析招标文件，智能生成投标内容。
61 查看详情
get()方法：当一个选择器匹配到多个文本节点时，get()方法只会返回第一个匹配到的文本节点。在上述HTML示例中，如果对最外层div使用::text，它可能会返回svg标签前的空白符、svg标签后的空白符，或者“Chambres”这个文本，而不是我们想要的“1”。这就是为什么最初尝试 house_listing.css(‘div.search-results-listings-list__item-description__characteristics__item::text’).get() 可能返回None或不相关文本的原因。
getall()方法：与get()不同，getall()方法会返回所有匹配到的文本节点，以列表的形式呈现。这对于提取分散在多个子元素之间的文本节点至关重要。
解决方案：结合getall()和列表索引
要精确提取上述HTML结构中的数字“1”，关键在于使用getall()获取所有文本节点，然后从结果列表中选择正确的项。
首先，我们可以使用一个更具特异性的CSS选择器来定位包含目标信息的父元素，并利用:contains()伪类来确保我们选择的是正确的列表项（例如，包含“Chambres”的特性项）。
import scrapyimport rehtml_snippet = """<path d="M5.106 0c-.997 0-1.52.904-1.52 1.533v11.965L.074 23.95c-.054.163-.074.38-.074.486V39.2c-.017.814.727 1.554 1.54 1.554.796 0 1.54-.74 1.52-1.554v-3.555h39.88V39.2c-.016.814.724 1.554 1.52 1.554.813 0 1.56-.74 1.54-1.554V24.436c0-.106-.017-.326-.074-.486l-3.512-10.449V1.537c0-.633-.523-1.534-1.52-1.534H5.106V0zm1.54 3.07h32.708v3.663a5.499 5.499 0 0 0-2.553-.614h-9.708c-1.614 0-3.06.687-4.093 1.77a5.648 5.648 0 0 0-4.093-1.77H9.2c-.924 0-1.793.217-2.553.614V3.07zm2.553 6.098h9.708c1.45 0 2.553 1.12 2.553 2.547v.523H6.646v-.523c0-1.426 1.103-2.547 2.553-2.547zm17.894以上就是Scrapy CSS选择器：精确提取HTML非标签包裹文本内容的实用技巧的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/594827.html赞 (0)打赏微信扫一扫
支付宝扫一扫
关于作者
如何将多个 Matplotlib 图形合并到一个统一的图形中上一篇 2025年11月10日 17:38:48DRF 序列化深度解析：正确处理 QuerySet 数据下一篇 2025年11月10日 17:42:48相关推荐
CSS mask属性无法获取图片：为什么我的图片不见了？
CSS mask属性无法获取图片 在使用CSS mask属性时，可能会遇到无法获取指定照片的情况。这个问题通常表现为： 网络面板中没有请求图片：尽管CSS代码中指定了图片地址，但网络面板中却找不到图片的请求记录。 问题原因： 此问题的可能原因是浏览器的兼容性问题。某些较旧版本的浏览器可能不支持CSS…
如何用dom2img解决网页打印样式不显示的问题？
用dom2img解决网页打印样式不显示的问题 想将网页以所见即打印的的效果呈现，需要采取一些措施，特别是在使用了bootstrap等大量采用外部css样式的框架时。 问题根源 在常规打印操作中，浏览器通常会忽略css样式等非必要的页面元素，导致打印出的结果与网页显示效果不一致。这是因为打印机制只识别…
如何用 CSS 模拟不影响其他元素的链接移入效果？
如何模拟 css 中链接的移入效果 在 css 中，模拟移入到指定链接的效果尤为复杂，因为链接的移入效果不影响其他元素。要实现这种效果，最简单的方法是利用放大，例如使用 scale 或 transform 元素的 scale 属性。下面提供两种方法： scale 属性： .goods-item:ho…
Uniapp 中如何不拉伸不裁剪地展示图片？
灵活展示图片：如何不拉伸不裁剪 在界面设计中，常常需要以原尺寸展示用户上传的图片。本文将介绍一种在 uniapp 框架中实现该功能的简单方法。 对于不同尺寸的图片，可以采用以下处理方式： 极端宽高比：撑满屏幕宽度或高度，再等比缩放居中。非极端宽高比：居中显示，若能撑满则撑满。 然而，如果需要不拉伸不…
PC端H5项目如何实现适配：流式布局、响应式设计和两套样式？
PC端的适配方案及PC与H5兼顾的实现方案探讨 在开发H5项目时，常用的屏幕适配方案是postcss-pxtorem或postcss-px-to-viewport，通常基于iPhone 6标准作为设计稿。但对于PC端网项目，处理不同屏幕大小需要其他方案。 PC端屏幕适配方案 PC端屏幕适配一般采用流…
CSS 元素设置 10em 和 transition 后为何没有放大效果？
CSS 元素设置 10em 和 transition 后为何无放大效果？ 你尝试设置了一个 .box 类，其中包含字体大小为 10em 和过渡持续时间为 2 秒的文本。当你载入到页面时，它没有像 YouTube 视频中那样产生放大效果。 原因可能在于你将 CSS 直接写在页面中 在你的代码示例中，C…
如何实现类似横向U型步骤条的组件？
横向U型步骤条寻求替代品 希望找到类似横向U型步骤条的组件或 CSS 实现。 潜在解决方案 根据给出的参考图片，类似的组件有： 图片所示组件：图片提供了组件的外观，但没有提供具体的实现方式。参考链接：提供的链接指向了 SegmentFault 上的另一个问题，其中可能包含相关的讨论或解决方案建议。 …
如何让小说网站控制台显示乱码，同时网页内容正常显示？
如何在不影响用户界面的情况下实现控制台乱码？ 当在小说网站上下载小说时，大家可能会遇到一个问题：网站上的文本在网页内正常显示，但是在控制台中却是乱码。如何实现此类操作，从而在不影响用户界面（UI）的情况下保持控制台乱码呢？ 答案在于使用自定义字体。网站可以通过在服务器端配置自定义字体，并通过在客户端…
如何优化CSS Grid布局中子元素排列和宽度问题？
css grid布局中的优化问题 在使用css grid布局时可能会遇到以下问题： 问题1：无法控制box1中li的布局 box1设置了grid-template-columns: repeat(auto-fill, 20%)，这意味着容器将自动填充尽可能多的20%宽度的列。当li数量大于5时，它们…
SASS 中的 Mixins
mixin 是 css 预处理器提供的工具，虽然它们不是可以被理解的函数，但它们的主要用途是重用代码。 不止一次，我们需要创建多个类来执行相同的操作，但更改单个值，例如字体大小的多个类。 .fs-10 { font-size: 10px;}.fs-20 { font-size: 20px;}.fs-…
如何在地图上轻松创建气泡信息框？
地图上气泡信息框的巧妙生成 地图上气泡信息框是一种常用的交互功能，它简便易用，能够为用户提供额外信息。本文将探讨如何借助地图库的功能轻松创建这一功能。 利用地图库的原生功能 大多数地图库，如高德地图，都提供了现成的信息窗体和右键菜单功能。这些功能可以通过以下途径实现： 高德地图 JS API 参考文…
如何使用 scroll-behavior 属性实现元素scrollLeft变化时的平滑动画？
如何实现元素scrollleft变化时的平滑动画效果？ 在许多网页应用中，滚动容器的水平滚动条（scrollleft）需要频繁使用。为了让滚动动作更加自然，你希望给scrollleft的变化添加动画效果。 解决方案：scroll-behavior 属性 要实现scrollleft变化时的平滑动画效果…
CSS mask 属性无法加载图片：浏览器问题还是代码错误？
CSS mask 属性请求图片失败 在使用 CSS mask 属性时，您遇到了一个问题，即图片没有被请求获取。这可能是由于以下原因： 浏览器问题：某些浏览器可能在处理 mask 属性时存在 bug。尝试更新到浏览器的最新版本。代码示例中的其他信息：您提供的代码示例中还包含其他 HTML 和 CSS …
如何为滚动元素添加平滑过渡，使滚动条滑动时更自然流畅？
给滚动元素平滑过渡 如何在滚动条属性（scrollleft）发生改变时为元素添加平滑的过渡效果？ 解决方案：scroll-behavior 属性 为滚动容器设置 scroll-behavior 属性可以实现平滑滚动。 html 代码： click the button to slide right!…
如何用 CSS 实现链接移入效果？
css 中实现链接移入效果的技巧 在 css 中模拟链接的移入效果可能并不容易，因为它们不会影响周围元素。但是，有几个方法可以实现类似的效果： 1. 缩放 最简单的方法是使用 scale 属性，它会放大元素。以下是一个示例： 立即学习“前端免费学习笔记（深入）”； .goods-item:hover…
为什么设置 `overflow: hidden` 会导致 `inline-block` 元素错位？
overflow 导致 inline-block 元素错位解析 当多个 inline-block 元素并列排列时，可能会出现错位显示的问题。这通常是由于其中一个元素设置了 overflow 属性引起的。 问题现象 在不设置 overflow 属性时，元素按预期显示在同一水平线上： 不设置 overf…
网页使用本地字体：为什么 CSS 代码中明明指定了“荆南麦圆体”，页面却仍然显示“微软雅黑”？
网页中使用本地字体 本文将解答如何将本地安装字体应用到网页中，避免使用 src 属性直接引入字体文件。 问题： 想要在网页上使用已安装的“荆南麦圆体”字体，但 css 代码中将其置于第一位的“font-family”属性，页面仍显示“微软雅黑”字体。 立即学习“前端免费学习笔记（深入）”； 答案： …
如何选择元素个数不固定的指定类名子元素？
灵活选择元素个数不固定的指定类名子元素 在网页布局中，有时需要选择特定类名的子元素，但这些元素的数量并不固定。例如，下面这段 html 代码中，activebar 和 item 元素的数量均不固定： *n *n 如果需要选择第一个 item元素，可以使用 css 选择器 :nth-child()。该…
如何用 CSS 实现类似卡券的缺口效果？
类似卡券的布局如何实现 想要实现类似卡券的布局，可以使用遮罩（mask）来实现缺口效果。 示例代码： .card { -webkit-mask: radial-gradient(circle at 20px, #0000 20px, red 0) -20px;} 效果： 立即学习“前端免费学习笔记（…
使用 SVG 如何实现自定义宽度、间距和半径的虚线边框？
使用 svg 实现自定义虚线边框 如何实现一个具有自定义宽度、间距和半径的虚线边框是一个常见的前端开发问题。传统的解决方案通常涉及使用 border-image 引入切片图片，但是这种方法存在引入外部资源、性能低下的缺点。 为了避免上述问题，可以使用 svg（可缩放矢量图形）来创建纯代码实现。一种方…
微信扫一扫 
支付宝扫一扫 
