知识卡片

普通读书笔记卡 · 8025.bd · 生成模型:未记录

字段映射表连接观察与实现

理解等级:中级

先把目标字段、选择表达式及示例值放在一张表中,可将页面观察转成可检查的提取规则,也便于多人按来源分工。房源例把title、price、description、address和image_urls分别定位,图片取src属性而非text。表是针对实际样本的契约起点,不能凭页面只有一个h1的假设当成通用SEO或HTML限制。

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3章 爬虫基础,spine035单元012;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/text00034.html。 - 结论依据:原文字段/XPath/样值表把所见房源转成提取规则,支持来源到实现可查,图片src与文本不同,一张样表未证明全站覆盖。未在本机运行示例或改变环境。 - 原始内容:部信息,我们可以将其总结到表3.1中。 表3.1 基本字段 XPath表达式 title //­*[@itemprop="name"][1]/text() 示例值: [u'set unique family well'] pri