Selector提取数据2：CSS选择器

CSS选择器

CSS即层叠样式表，其选择器是一种用来确定HTML文档中某部分位置的语法。
CSS选择器的语法比XPath简单一点，但功能不如XPath强大。实际上，当我们调用Selector的CSS方式时，在其内部会使用Python库cssselect将CSS选择器表达式翻译成XPath表达式，然后调用Selector对象的XPath方法。

略去基本语法，直接利用scrapy提供的shell调试工具，以http://blog.jobbole.com/114638/ 这个页面为例：

(Py3_spider) D:SpiderProjectspider_pjt1>scrapy shell http://blog.jobbole.com/114638/
...
>>>
>>>> response.css('.entry-header h1')
[<Selector xpath="descendant-or-self::*[@class and contains(concat(' ', normalize-space(@class), ' '), ' entry-header ')]/descendant-or-self::*/h1" data='<h1>能从远程获得乐趣的 Linux 命令</h1>'>]
>>> response.css('.entry-header h1').extract()
['<h1>能从远程获得乐趣的 Linux 命令</h1>']
>>> response.css('.entry-header h1::text').extract()
['能从远程获得乐趣的 Linux 命令']
>>> response.css('.entry-header h1::text').extract()[0]
'能从远程获得乐趣的 Linux 命令'
>>>

提取发布日期：

正则表达式的使用

>>> response.css('p.entry-meta-hide-on-mobile::text').extract()[0]
'

            2019/01/13 ·  '
>>> response.css('p.entry-meta-hide-on-mobile::text').re('d{4}/d{2}/d{2}')[0]
'2019/01/13'
>>>

接着提取点赞数：

>>> response.css('[id="114638votetotal"]')
[<Selector xpath="descendant-or-self::*[@id = '114638votetotal']" data='<h10 id="114638votetotal">1</h10>'>]
>>> response.css('[id="114638votetotal"]').extract()[0]
'<h10 id="114638votetotal">1</h10>'
>>> response.css('[id="114638votetotal"]::text').extract()[0]
'1'
>>>
...或者下面的
>>> response.css('.vote-post-up h10::text').extract()[0]
'1'
>>>

提取收藏数：

>>> response.css('span[data-book-type]::text').extract()[0]
' 1 收藏'
>>> response.css('span[data-book-type]::text').re("d+")[0]
'1'
>>>
...或者下面的
>>> response.css('span.bookmark-btn::text').re("d+")[0]
'1'
>>>

提取评论数：

>>> response.css('a[href="#article-comment"] span::text').re("d*")[0]
''
>>> response.css('a[href="#article-comment"] span::text').extract()[0]
'  评论'
>>>

提取正文内容

>>> response.css('div.entry').extract()[0]
...内容过多，已省略结果
>>>

提取文章所属类别

>>> response.css('.entry-meta a[rel]::text').extract()[0]
'IT技术'
>>>