知识卡片
字段映射表连接观察与实现
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?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第3章 爬虫基础 3.2.3 Item · 查看原书依据
表3.1 基本字段
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