html中label标签的作用

在爬虫中，我们首先要能定位到我们需要获取的元素，这个时候就需要使用合适的选择器去定位。

正则表达式选择器

如果要选择a标签中的Name后面的值，可以这样写：reponse.xpath('//a/text()').re('Name:\s(.*)')括号里面就是我们要输出的值，其中\s代表特殊字符 如：空格等等。另外如果想要匹配返回的第一个值 reponse.xpath('//a/text()').re_first('Name:\s(.*)')，另外注意一个问题 如果只想匹配一个字符串前面的几个 然后后面的不想匹配的话可以加一个？这个表示非贪心匹配。

CSS选择器

假如选择一个a节点response.css('a')即可，如果要选择a节点中的img属性response.css('a[href="image1.html"] img').extract这样就可以得到图片的属性，注意一点img前面有一个空格。如果要获得a标签内部的文本可以这样写：response.css('[href="image1.html"]::text').extract()，如果要获取a标签里面的img标签的可以这样写：response.css('a[href="image1.html"] img::attr(src)').extract()，如果要获取a标签里面的img标签下面的所有内容可以这样写：

第一种：response.xpath('//a/img/@src').extract()
第二种： response.xpath('//a').css('img').xpath('@src').extract()
第三种:response.css('a img::attr(src)').extract()

xpath选择器

xpath选择器中，使用//代表从html结点开始提取信息，如果采用.（点） 则代表提取元素内部的数据，比如从a结点中提取当中的img属性，只需要xpath("./img")就可以了。如果要提取a标签中的文本的信息，xpath("//a/text()").extract()，如果要提取a标签中的href标签的信息xpath("//a/@href").extract()，如果提取某一个标签当中的值不存在时，继续这样会报错，所以我们需要用到extract_first()，比如：xpath('//a[@href="omgass"]').extract_first("default image")，如果不存在就用defalut image返回信息。

---

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 1990858822@qq.com