parse()方法的参数 response 是start_urls里面的链接爬取后的结果。所以在parse()方法中,我们可以直接对response对象包含的内容进行解析,比如浏览请求结果的网页源代码,或者进一步分析源代码内容,或者找出结果中的链接而得到下一个请求
一.response属性
url :HTTP响应的url地址,str类型
status:HTTP响应的状态码, int类型
headers :HTTP响应的头部, 类字典类型, 可以调用get或者getlist方法对其进行访问
body:HTTP响应正文, bytes类型
text:文本形式的HTTP响应正文, str类型
response.text = response.body.decode(response.encoding)
encoding:HTTP响应正文的编码
reqeust:产生该HTTP响应的Reqeust对象
meta:即response.request.meta, 在构造Request对象时, 可将要传递给响应处理函数的信息通过meta参数传入, 响应处理函数处理响应时, 通过response.meta将信息提取出来
selector:Selector对象用于在Response中提取数据使用下面详细将,主要是 xpath,css取值之后的处理
xpath(query):下面详细讲解
css(query) :下面详细讲解
urljoin(url) :用于构造绝对url, 当传入的url参数是一个相对地址时, 根据response.url计算出相应的绝对url.
二.Selector对象
Selector 对象和SelectorList对象都有以下几种方法。
extract() 返回选中内容的Unicode字符串
extract_first()(SelectorList独有)
返回列表中的第一个元素内容
re("正则表达式") 正则提取
re_first()(SelectorList独有)
返回列表中的第一个元素内容
三.CSS
response.css('css选择器') 返回值是Selector对象
response.css('css选择器').extract_first() #获取一个
response.css('css选择器').extract() # 获取全部
response.css('css选择器::attr(属性名)').extract() # 获取其中某个属性
(response.css('css选择器::text').extract() #获取标签里的文本
四.xpath
response.xpath('xpath选择器') 返回值是Selector对象
response.xpath('xpath选择器').extract_first() #获取一个
response.xpath('xpath选择器').extract() # 获取全部
.//a[contains(@class,"link-title")/text()] # 获取文本
.//a[contains(@class,"link-title")/@href] #获取属性