V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
chackchackGO
V2EX  ›  Python

怎么理解 scrapy 的 xpath? xpath 字符串未像预期工作.

  •  
  •   chackchackGO · 2023-09-25 00:40:42 +08:00 · 1352 次点击
    这是一个创建于 426 天前的主题,其中的信息可能已经有所发展或是发生改变。

    我将 response 写入本地 html 文件, 然后浏览器打开, 用 xpath helper 来验证自己的 xpath 字符串能否工作.

    测试结果是正常工作(匹配)的.

    但是将该字符串传递给 response.xpath 就无法正常匹配.

    明明是同一个 response. 为什么会这样呢?

    7 条回复    2023-10-05 22:18:49 +08:00
    MarkToWin
        1
    MarkToWin  
       2023-09-25 08:21:23 +08:00 via Android
    使用 scrapy 获得得页面内容检查了吗?有可能被检测到了,页面内容就不一致了。或者有些内容是需要 js 加载的,没有加载。
    ik
        2
    ik  
       2023-09-25 09:18:18 +08:00 via iPhone
    将 response 写入本地 html 文件

    打开这个文件的时候离线打开看看
    pepesii
        3
    pepesii  
       2023-09-25 09:37:36 +08:00
    你可以用 scrapy shell 来调试
    可以在里头 view response 来查看是否获取到了正确的界面
    luzihang
        4
    luzihang  
       2023-09-25 09:49:32 +08:00
    查一下 scrapy 怎么 debug ,在 debug 的 console 尝试就行了
    vituralfuture
        5
    vituralfuture  
       2023-09-25 10:45:43 +08:00 via Android   ❤️ 1
    因为 scrapy 下载的 HTML 和你手动下载并保存的 HTML 不一样
    chackchackGO
        6
    chackchackGO  
    OP
       2023-09-25 21:07:57 +08:00
    @ik
    @vituralfuture
    op 就是用的`file.write(response.body)`, 而不是在 browser 里 ctrl+s.
    以 file 协议打开这个 response 的文件, 问题依旧.
    wapptm
        7
    wapptm  
       2023-10-05 22:18:49 +08:00 via Android
    这个很常见,有些内容是包裹在 js 里面的,这种肯定匹配不出来。可以将获取的源代码在 scrapy 里面打印出来看看,用正则一般可以匹配出来
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   2931 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 29ms · UTC 14:32 · PVG 22:32 · LAX 06:32 · JFK 09:32
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.