当你抓取网页时，你需要执行的最常见的任务是从HTML源代码中提取数据。有几个库可以实现这一点，例如： BeautifulSoup 在Python程序员中是一个非常流行的Web抓取库，它基于HTML代码的结构构造了一个Python对象，并且能够很好地处理错误的标记，但是它有一个缺点：速度慢。 Scrapy有自己的数据提取机制。它们被称为选择器，因为它们“选择”HTML文档的某些部分 XPath 或 CSS 表达。 XPath 是一种在XML文档中选择节点的语言，也可以与HTML一起使用。 CSS 是用于将样式应用于HTML文档的语言。它定义选择器，将这些样式与特定的HTML元素相关联。 注解 碎屑选择器是一个很薄的包装 parsel library；这个包装器的目的是提供更好的与slapy响应对象的集成。 parsel 是一个独立的网页爬取库，可以使用没有 Scrapy 。它使用 lxml 库位于引擎盖下，并在LXML API之上实现一个简单的API。这意味着scrapy选择器在速度和解析精度方面与lxml非常相似。 使用选择器¶构造选择器¶响应对象公开一个 Selector 实例位于 .selector 属性： >>> response.selector.xpath('//span/text()').get()
'good'
使用xpath和css查询响应非常常见，因此响应中还包含两个快捷方式： response.xpath() 和 response.css() ： >>> response.xpath('//span/text()').get()
'good'
>>> response.css('span::text').get()
'good'
粗糙的选择器是 Selector 通过传递以下任一参数构造的类 TextResponse 字符串形式的对象或标记(在 text 参数)。 通常不需要手动构造垃圾选择器： response 对象在spider回调中可用，因此在大多数情况下使用它更方便 response.css() 和 response.xpath() 捷径。通过使用 response.selector 或者这些快捷方式之一，您还可以确保响应主体只解析一次。 但如果需要，可以使用 Selector 直接。从文本构建： >>> from scrapy.selector import Selector
>>> body = '<html><body><span>good</span></body></html>'
>>> Selector(text=body).xpath('//span/text()').get()
'good'
从响应构造- HtmlResponse 是其中之一 TextResponse 子类： >>> from scrapy.selector import Selector
>>> from scrapy.http import HtmlResponse
>>> response = HtmlResponse(url='http://example.com', body=body)
>>> Selector(response=response).xpath('//span/text()').get()
'good'
Selector 根据输入类型自动选择最佳的解析规则（XML对HTML）。
| 