我正在尝试抓取名为“skype_c2c_container”或“skype_c2c_container notranslate”(实际上是网站上发布的电话号码)之后的文本。
例如在这个网站:http://adcamfabrications.co.uk/ 或者在这个:http://aandbairsystems.co.uk/
我知道如何提取网站中的所有文本,然后可能会使用电话号码的模式识别,但我确信有更简单的方法。我设法通过元名称或 div id 或 div 名称提取文本,但无法弄清楚如何对包含特定单词(例如“skype”)的跨度名称执行相同的操作。
我试过的代码之一的例子:
item["phone_number"] =response.xpath('//span[contains(@class, "Skype")] | //span[contains(@class, "skype")]').extract()
或:
item["phone_number"] =response.xpath("//span[(@skype_c2c_container)]").extract()
我要提取的示例:
<span class="skype_c2c_text_span">+44 (0) 1234 1234</span>
我想取回文本: “+44 (0) 1234 1234”
请您参考如下方法:
找到带有 Tel 文本的元素并获取以下文本兄弟:
$ scrapy shell http://adcamfabrications.co.uk/
In [1]: response.xpath("//span[. = 'Tel']/following-sibling::text()").extract()[0].strip()
Out[1]: u'+44 (0) 1889 571690'
对于第二个网站:
$ scrapy shell http://aandbairsystems.co.uk/
In [1]: response.xpath("//td[@class='phonenumber']/text()").re(r"24 Hour cover Tel : (\d+ \d+)")[0]
Out[1]: u'01978 661999'
