使用 Scrappy 提取外部文本答案

【问题标题】：Extract Outer Text with Scrappy使用 Scrappy 提取外部文本
【发布时间】：2016-02-24 14:01:38
【问题描述】：

我需要解析以下片段：

<span>    Lekhwiya&nbsp;v&nbsp;<strong class="winner-strong">Zobahan</strong></span>

或

<span>    <strong class="winner-strong">Sepahan</strong>&nbsp;v&nbsp;Al&nbsp;Nasr&nbsp;(UAE)</span>

正确地作为Lekhwiya v Zobahan 和Sepahan v Al' Nasr'(UAE)。

我试图解析为：

team_1 = block.xpath('.//span/text()').extract()[:2]
team_1 = team_1[0].strip() + team_1[1].strip() 
team_2 = block.xpath('.//span/strong/text()').extract()[0]

item['match'] = team_2.strip() + ' ' + team_1 if team_1[0] == 'v' else team_1 + ' ' + team_2.strip()

对我来说，这是一个丑陋的解决方案。最好的方法是什么？

【问题讨论】：

标签： python python-2.7 parsing xpath scrapy

【解决方案1】：

你可以使用 XPath 的 string() 函数，或者normalize-space() 甚至：

In [1]: text = '''
   ...: <span>    Lekhwiya&nbsp;v&nbsp;<strong class="winner-strong">Zobahan</strong></span>
   ...: <span>    <strong class="winner-strong">Sepahan</strong>&nbsp;v&nbsp;Al&nbsp;Nasr&nbsp;(UAE)</span>
   ...: '''

In [2]: import scrapy

In [3]: selector = scrapy.Selector(text=text, type="html")

In [4]: for span in selector.xpath('//span'):
   ...:     print(span.xpath('string(.)').extract_first())
   ...:     
    Lekhwiya v Zobahan
    Sepahan v Al Nasr (UAE)

In [5]: for span in selector.xpath('//span'):
    print(span.xpath('normalize-space(.)').extract_first())
   ...:     
Lekhwiya v Zobahan
Sepahan v Al Nasr (UAE)

【讨论】：