知识卡片

普通读书笔记卡 · 8025.w · 生成模型:未记录

容错解析仍需验证提取结果

理解等级:中级

Scrapy选择器在解析基础上提供XPath/CSS访问,可帮助处理真实网站不规范的HTML和编码,但容错解析不是原始标记或浏览器DOM完全一致的保证。应根据实际响应检查选择器的匹配和空值,不能把成功解析当作字段正确。Beautiful Soup、lxml和selectors是原书相关入口,后续章节再展开具体语法。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python爬虫框架Scrapy · 第1章 Scrapy简介,spine033单元003;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00032.html。 - 结论依据:原文处理残缺HTML说明解析容错动机,支持继续在实际响应上检查匹配,而不是把可解析等同字段准确或浏览器DOM一致。补充核验入口:https://docs.scrapy.org/en/latest/topics/selectors.html。未在本机运行示例或改变环境。 - 原始内容:crapy的理由。 Scrapy能够识别残缺的HTML 你可以在Scrapy中直接使用Beautiful Soup或lxml,不过Scrapy还提供了一种在lxml之上更高级的XPath(主要)接口—— selectors