Scrapy：如何从页面上的所有选项卡中获取信息？答案

【问题标题】：Scrapy: how to get information from all tabs on the page?Scrapy：如何从页面上的所有选项卡中获取信息？
【发布时间】：2023-03-21 13:00:02
【问题描述】：

在这个page 上，我需要从所有选项卡（个人资料、评论、电话号码和路线）中获取信息。

wellness.py

def profile(self, response):
    services = response.xpath('.//span[contains(text(),"Services")]')
    education = response.xpath('.//span[contains(text(),"Education")]')
    training = response.xpath('.//span[contains(text(),"Training")]')

    yield {
            'First and Last name': response.css('h1::text').get(),
            'About': response.css('.listing-about::text').get(),
            'Services': services.xpath('following-sibling::span[1]/text()').extract(),
            'Primary Specialty': response.css('.normal::text').get(),
            'Address': ' '.join([i.strip() for i in response.css('.office-address span::text').getall()]),
            'Practice': response.css('.years-in-service::text').get(),
            'Education': education.xpath('following-sibling::span[1]/text()').extract(),
            'Training': training.xpath('following-sibling::span[1]/text()').extract(),
            'Consumer Feedback': response.css('.item-rating-container a::text').get()                
        }

【问题讨论】：

标签： html web dom scrapy

【解决方案1】：

每个标签都加载一个单独的页面/网址。我想你认为因为它是标签页，所以它是同一页。所以你必须从第一页收集你想要的数据，请求第二页获取数据，然后请求第三页。您可以通过在元属性中传递项目来保留上一页的数据。我就是这样做的。请注意链接的代码是正确的，您必须为每个页面上的数据点制作选择器。

def profile(self, response):
    item = {}
    item["field1"] = response.xpath('//xpath').get()
    # Get first link for reviews
    review_link = response.css('#reviews_tab a::attr(href)').get()
    yield scrapy.Request(response.urljoin(review_link), callback=self.parse_reviews, meta={'item': item})

def parse_reviews(self, response):
    item = response.meta['item']
    item["field2"] = response.xpath
    directions_link = response.css('#directions_tab a:attr(href)').get()
    yield scrapy.Request(response.urljoin(directions_link), callback=self.parse_directions, meta={'item': item})

def parse_directions(self, response):
    item = response.meta['item']
    item['directions'] = response.xpath
    yield item

【讨论】：