编写一个爬虫，在 .csv 中输出：标题、Artikelnummer、价格、交付状态
https://www.karton.eu/einwellig-ab-100-mm
问题
真的很难弄清楚，该网页上的哪个 html-tag 包含我需要的信息。
例如：<small>Artikelnummer:&nbsp;001</small>
我如何收集 001？
还有几个标签，我不太清楚获取的信息
【问题讨论】：
标签： python python-3.x xpath web-scraping scrapy
首先，您将选择您想要的文本所在的节点：
response.xpath('//div[@class="delivery-status"]/small/text()')
现在，要仅捕获部分回报，您可以使用正则表达式。幸运的是 Scrapy selectors 支持内置正则表达式。所以你可以这样使用：
response.xpath('//div[@class="delivery-status"]/small/text()').re_first(r'\d+')
或包含所有结果的列表：
response.xpath('//div[@class="delivery-status"]/small/text()').re(r'\d+')
【讨论】：
response.xpath('//div[@class="delivery-status"]/small/text()').re_first(r'\d+') 后，我收到以下错误消息：AttributeError: 'str' object has no attribute 're_first' 尽管我导入了“re”
import re，因为这是来自 Scrapy 的方法，而不是来自 re 模块。您确定您使用的是确切的代码行吗？因为从错误来看，您似乎在.re_first() 之前使用了.get()。 get 方法将返回一个 str 并导致 AttributeError，因为您需要一个 Scrapy 选择器才能使用 re_first 方法。
每个 ArtikelNummer 都在
内response.xpath('//div[@class="delivery-status"]/small/text()')
是他们坐的地方。您可能会对 <div class="signal_image status-2"> <i> 感到困惑，它位于具有类交付状态的 div 的下游。
根据 HTML 的结构，您可能希望选择每张卡片并执行类似的操作。
card = response.xpath('//div[@class="text-center artikelbox"]')
for a in card:
a.xpath('.//div[@class="delivery-status"]/small/text()').re_first(r'\d+')
这里的正则表达式\d+ 仅按顺序搜索数字。我们使用 r'' 是因为 \ 是一个转义字符，它在字符串中时无法识别，但使用 r 我们将字符串视为原始字符串并且它可以识别 \ 字符。
正则表达式是获取文本特定部分的好方法，这些部分比字符串方法可以为您做的更复杂。对它有一个粗略的了解很有用，这样您就可以尝试一些基本的知识并了解如何获得您想要的东西。
【讨论】：