新人,不懂 python,但是折腾了一个小时,看了下案例,终于写了一个爬虫出来练习了。但是获取的文章是带有链接的,看了下文档,有清除 a 标签的函数,但是不复合我的要求。这个函数是把包含 A 标签的文字都给处理掉了。
这是他们的文档,http://docs.shenjianshou.cn/develop/functions/functions.html. 从 data 中去除符合 xpath 的所有 HTML 元素
代码是: var configs = { // configs 的其他成员 ... fields: [ { name: "content", selector: "XXX" } ] };
configs.afterExtractField = function(fieldName, data, page, site) { if (fieldName == "content") { // 去除"data"中所有 a 标签 data = exclude(data, "//a"); // 返回去除 a 标签后的"data" return data; } return data; };
我想问问就是,要怎么修改才能去掉 A 标签里面的 href,同时保留文字呢?
1
15015613 2017-05-19 08:34:17 +08:00 via Android 1
data = extract(data, "//a/text()");
|
2
15015613 2017-05-19 08:35:42 +08:00 via Android 1
|
3
yuluofanchen OP 谢谢楼上的几位
|
4
yuluofanchen OP @15015613 谢谢,看来得好好学下 xpath。
|