Python爬虫开发：CSS选择器返回文本的字符串提取拆分问题

所有提取需求均可通过Python原生字符串方法实现，无需引入正则表达式或第三方依赖，各场景具体实现如下：

• 场景1：提取赛季字段
  对应选择器返回值：'TEMPORADA 2021-2022'
  实现代码：

  temp_raw = response.css(".print-acta-temp::text").get()
  # 先去除首尾多余空白，按空白分割后取最后一段即为目标赛季值
  season = temp_raw.strip().split()[-1]
  

  提取结果：season = '2021-2022'

• 场景2：拆分独立的日期、时间字段
  对应选择器返回值：'Data: 14-05-2022, 19:00h'
  实现代码：

  data_raw = response.css(".print-acta-data::text").get().strip()
  # 先切掉前缀标识，再按逗号拆分日期和时间块
  date_block, time_block = data_raw.split(":", 1)[1].split(",", 1)
  match_date = date_block.strip()
  # 去除时间块首尾空白和末尾的h后缀
  match_time = time_block.strip().rstrip("h")
  

  提取结果：match_date = '14-05-2022'，match_time = '19:00'

• 场景3：拆分赛事级别、赛事名称、分组号三个字段
  对应选择器返回值：' CADET PRIMERA DIVISIÓ - GRUP 2'
  实现代码：

  comp_raw = response.css(".print-acta-comp::text").get().strip()
  split_parts = comp_raw.split()
  # 分割后第一段为首空格前内容，最后一段为末尾数字，中间段拼接为赛事名称
  comp_level = split_parts[0]
  group_num = split_parts[-1]
  comp_name = " ".join(split_parts[1:-1])
  

  提取结果：comp_level = 'CADET'，comp_name = 'PRIMERA DIVISIÓ - GRUP'，group_num = '2'

• 场景4：提取轮次数字段
  对应选择器返回值：'Jornada 28'
  实现代码：

  jornada_raw = response.css(".print-acta-jornada::text").get().strip()
  # 仅按第一个空格分割，取后半段内容
  jornada_num = jornada_raw.split(maxsplit=1)[1]
  

  提取结果：jornada_num = '28'，如需整数类型可直接用int(jornada_num)转换。

注：所有代码均默认加了.strip()预处理，可兼容返回值前后意外出现空白字符的场景，鲁棒性更强。

内容的提问来源于stack exchange，提问作者futbolbase celh