Scrapy技术疑问：如何从多层div、span标签中精准提取目标数据

嘿，我来帮你搞定这个提取"Chicago"文本的问题！你现在用response.css('#info1').extract_first()拿到的是整个<div id="info1">的完整HTML内容，自然会包含大量冗余标签和属性。根据你给出的HTML结构，这里有几个精准提取目标文本的方法：

• 方法一：定位到a标签的文本节点
  直接使用CSS选择器定位到包含目标文本的<a>标签，并用::text提取其纯文本内容：

  response.css('#info1 span a::text').extract_first()
  

  这个选择器的逻辑是：先找到id为info1的div，再定位到它下面的span，最后选中span里的a标签，提取其文本。

• 方法二：简化选择器路径
  如果确认该div下只有这一个<a>标签，还可以简化选择器，省去中间的span层级：

  response.css('#info1 a::text').extract_first()
  

• 方法三：使用XPath提取
  如果你更习惯用XPath，也可以这样写：

  response.xpath('//div[@id="info1"]//a/text()').extract_first()
  

为什么原来的方法会返回冗余内容？ #

extract_first()方法默认会返回选中元素的完整HTML代码（包括所有嵌套标签、属性等），而加上::text（CSS）或/text()（XPath）后，就会只提取元素内部的文本节点，从而得到你需要的"Chicago"。

内容的提问来源于stack exchange，提问作者Teddy Seong