Python Scrapy使用CSS选择器提取BHK相关文本的实现方法咨询

你现有代码直接提取.NpsrpTuple__subHead类对应的<tr>标签的完整HTML内容，所以返回的是整段标签源码，而非你需要的BHK文本。目标文本实际存储在<tr>下第一个<td>子节点的文本内容中。

基础实现（直接提取目标文本） #

使用::text伪元素选择器定位到目标td节点的文本内容即可，Scrapy提取文本时会自动过滤掉<!-- -->这类HTML注释：

bhk = response.css('.NpsrpTuple__subHead td:first-child::text').getall()

如果使用的是旧版本Scrapy，也可以用extract()替换getall()：

bhk = response.css('.NpsrpTuple__subHead td:first-child::text').extract()

优化实现（清理空白字符） #

如果提取的文本前后存在多余空格/换行，可以通过列表推导式批量清理：

bhk = [item.strip() for item in response.css('.NpsrpTuple__subHead td:first-child::text').getall()]

内容的提问来源于stack exchange，提问作者Learner