知识卡片
清洗数字不能丢掉字段含义
从£334.39pw用[.0-9]+取出334.39,只获得数字片段,币种和每周单位已经丢失;多个点号或别的格式也不一定得到可用数值。它是此样本的清洗演示,不是所有价格格式的解析器。字段表应同时记录数据的含义与缺失规则,保留原值有助于定位后续转换问题。
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
只选择数字和点号
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£334.39pw正则只取数字和点,直接显示币种/周期被去掉,样本清洗不能充作全部价格格式语义解析。未在本机运行示例或改变环境。
- 原始内容:中,我们可能需要使用一个正则表达式,以便只选择数字和点号。可以使用 re() 方法做到这一要求,并使用一个简单的正则表达式替代 extract() 。 >>> response.xpath('//*[@itemprop="p