scrapy至少有三种选择器，很大很多。理论上学会两种就够用了。
项目组都用一个选择器最好了。
一定要学会正则表达式。
第一种介绍CSS选择器
标签成对出现。
div，p不管div和p有什么关系，都搜索出来
div p 选择div下的所有p元素可以是父子关系也可以是爷孙关系等。
div>p 这个只能是父子关系。
还有一个函数 extract_first（）切片，extract（）切片脱壳
脱壳后
选择器返回的一般都是一个list，要记住，我们想要的都是结果文本
而li和a是父子关系。
示例：
p标签，li标签，a标签
单独抽离scrapy选择器
都是借用什么找到什么。如：借用class=‘top’这个属性找到li标签
此时做断点调试最合适。
辅助断点测试参考文章：
id唯一，class不唯一
012代表几个标签。
xpath写法
跟文件路径很像，默认第一层/html，单斜杠就是一层
双斜杠是搜索的意思，跟css什么都不带一样
文本和属性，属性是class=‘top’，文本是li的div用text（）
下图是属性写法
Xpath的使用方法
寻找可以匹配 xpath query 的节点，并返回 SelectorList 的一个实例结果，单一化其所有 元素。列表元素也实现了 Selector 的接口。query 是包含XPATH查询请求的字符串
该方法可以通过 response.xpath() 调用
选取节点
Xpath 使用路径表达式在 XML文档中选取节点。节点是通过沿着路径或者step来选取的。
下面列出了最有用的路径表达式：
Xpath选择器使用示例：
Xpath选择方法之前在入门课程第四课已学习过了，仍然使用上面的例子：
查找ul标签下的li元素
：
#可见其返回了一个SelectorList实例
查找所有的li标签
：
>>>sel.xpath(‘//li’)
#可见其返回了一个SelectorList实例
查找第三个li标签下的第一个p标签
：
>>>sel.xpath(‘//li’)[2].xpath(‘./p’)[0]
#可见其返回了一个SelectorList实例
同样可以调用
.extract()
方法提取数据：
查找a标签下的div标签的文本
：
>>>sel.xpath(‘/html/body/ul/li/a/div/text()’).extract_first()
RE的使用方法
正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE）它通常被用来检索、替换那些符合某个模式(规则)的文本。
常用元字符：
匹配神器：
- (.*)具有贪婪的性质，首先匹配到不能匹配为止，根据后面的正则表达式，会进行回溯。
- (.*?)则相反，一个匹配以后，就往下进行，所以不会进行回溯，具有最小匹配的性质。
pyquery的使用方法
pyquery可以让你使用类似jQuery语法来对xml进行操作，pyquery语法尽可能跟jQuery语法相似 ，类似于css
pyquery使用lxml库对xml和html进行快速的处理
pyquery这个库目前还不是一个可以跟JavaScript代码交互的库
兼容性好，不用各种脱壳
建议平时用pyquery
提文本，提属性
pyquery选择器使用示例：
打开同级目录下的HTML文件，所获取的jpy变量是PyQuery，可以直接使用jpy对其进行选择：
from
pyquery import PyQuery
with
open
(
'test.html'
, encoding=
'utf-8'
)
as
f:
text
= f.
read
()
jpy = PyQuery(
text
)
pass
查找class=‘top’的元素的文本
：
>>>jpy(‘.top’).text()
查找class=‘top’的元素的class属性
：
>>>jpy(‘.top’).attr(‘class’)
查找li标签下所有的文本，遍历时候必须加items函数
>>>items = jpy(‘li’)
>>>for i in items.
items():
>>>···· print(i.text())
li的div
li的div的div
li的p
li的a的div
查找li标签下所有的class属性
>>>items = jpy(‘li’)
>>>for i in items.items():
>>>···· print(i.attr(‘class’))
top
top
None
None
