如何对以下类型的网页进行分页？

Question

我正在尝试对本网站的页面进行分页 (http://www.geny-interim.com/offres/)。问题是我使用 css 选择器通过使用此代码

遍历每一页

next_page_url=response.css('a.page:nth-child(4)::attr(href)').extract_first()
        if next_page_url:
            yield scrapy.Request(next_page_url)

但这样做只会分页到两页，然后 css 选择器无法按预期工作。我也尝试使用它：

response.xpath('//*[contains(text(), "›")]/@href/text()').extract_first()

但这也是产值错误。任何帮助都会被点赞。

Answer 1

此 XPath 表达式有问题

//*[contains(text(), "›")]/@href/text()

因为 href 属性没有 text() 属性。

这里有一个工作蜘蛛，您可以根据自己的需要进行调整：

# -*- coding: utf-8 -*-
import scrapy


class GenyInterimSpider(scrapy.Spider):
    name = 'geny-interim'
    start_urls = ['http://www.geny-interim.com/offres/']

    def parse(self, response):
        for offer in response.xpath('//div[contains(@class,"featured-box")]'):
            yield {
                'title': offer.xpath('.//h3/a/text()').extract_first()
            }
        next_page_url = response.xpath('//a[@class="page" and contains(.,"›")]/@href').extract_first()
        if next_page_url:
            yield scrapy.Request(response.urljoin(next_page_url), callback=self.parse)

如何对以下类型的网页进行分页？

How can I paginate the web pages of the following kind?

ascii

non-ascii-characters

scrapy

python-2.7