網(wǎng)友解答: 謝謝邀請(qǐng)，網(wǎng)絡(luò)爬蟲如何處理這個(gè)，其實(shí)是數(shù)據(jù)提取的那一步驟，首先我們要清楚知道網(wǎng)頁的頁面結(jié)構(gòu)，這是根本，因?yàn)榫W(wǎng)頁是一個(gè)樹形結(jié)構(gòu)，是有層次的。不然，我們是很難提取到我們想要的數(shù)據(jù)

謝謝邀請(qǐng)，網(wǎng)絡(luò)爬蟲如何處理這個(gè)，其實(shí)是數(shù)據(jù)提取的那一步驟，首先我們要清楚知道網(wǎng)頁的頁面結(jié)構(gòu)，這是根本，因?yàn)榫W(wǎng)頁是一個(gè)樹形結(jié)構(gòu)，是有層次的。不然，我們是很難提取到我們想要的數(shù)據(jù)，所以，心中要有這樣一個(gè)概念：網(wǎng)頁是結(jié)構(gòu)分層分明的樹形文檔。

在這里我以搜房網(wǎng)為例：http://esf.nb.fang.com/housing/，這個(gè)頁面，是一個(gè)小區(qū)的List頁面，我們現(xiàn)在要提取其中的小區(qū)名稱和URL。

點(diǎn)擊右鍵，選擇查看選擇，得到如下這樣一個(gè)頁面。因?yàn)槭且粋€(gè)List，所以有很多個(gè)小區(qū)，這些小區(qū)的信息應(yīng)該是在一個(gè)div樣式下面的。在這里我們看到這樣一行<div class="houselist"，這個(gè)就是我們要找的根div。

我們就可以使用xpath提取頁面中的內(nèi)容，在這里我們就可以這樣描述：

selectore_list = response.xpath('//div[@class="houseList"]/*/dl/dd/a[@class="plotTit"]')

這樣的話是提取的整個(gè)頁面的列表，我們還需要通過循環(huán)把每個(gè)小區(qū)的標(biāo)題和頁面URL取出來，我們可以這樣寫：

for li in selector_list: title = li.xpath('./@href').extract()[0] urls = li.xpath('./text()').extract()[0]

這樣的話里面的標(biāo)題和頁面url都提取出來的。關(guān)于xpath如何使用，可以查詢相關(guān)的課程學(xué)習(xí)。

歡迎大家留言討論。