Scrapy：使用 CSS 选择器排除节点/标签

Question

在文档和 SO 文章中，只有关于如何使用此命名法排除 CSS 类的参考：

response.css("div[id='content']:not([class*='infobox'])")

我想然而实现是排除的节点，或甚至，多个节点，诸如<span>和<div>元件，其内部<li>元件。

让我给你举个例子。假设我正在抓取这个 HTML：

<li class="classA">

  <div class="classB">

    ..

  </div>

  <span class="classC">Whatever</span>

  This is the string I want to scrape

</li>

，我只对抓取文本“这是我想要抓取的字符串”感兴趣，因此我想跳过<div>和<span>节点。我尝试在scrapy shell中使用以下内容，但无济于事：

response.css(".classA:not(span|div)::text").extract()

，但我仍然得到排除的节点。

Answer 1

这很容易：1.使用css选择器response.css('li.classA::text').extract_first()2. 使用 xpath 选择器response.xpath('//li[@class&nbsp;=&nbsp;"classA"]/text()').extract_first()

Answer 2

简单：response.css('li::text').extract_first()