我正在构建一个网络爬虫,因为某种原因,我需要在元标记中提取物品的ID号码,如下所示:
<meta content="1001662613">
引号中的数字是我想要的数字。
我尝试使用xpath来
Id = title.select('//meta [@content]').extract()
但是对于此类结果,查询的结果为空。使用:
Id = title.select('//meta/@content').extract()
请在meta标签后将整个页面的源代码给我...
有没有办法从标签本身中提取数字,而不是尝试进入空标签?
以供参考,这是页面源代码中包含ID号码的部分示例。
<link rel="stylesheet" type="text/css" href="/ccss/2076d1c6bea75c5b6f4c753b3b4920b6_14bfe2d5b91d791bc05282634acdfb68.css" />
<script type="text/javascript" src="/cjs/986570aebf4e6cef6e0a52faa9c5a8a2_f4ceae6565fa007f39ee4e0abe02ab7b.js"></script>
<script type="text/javascript" src="https://ajax.googleapis.com/ajax/libs/jqueryui/1.8.16/jquery-ui.min.js"></script>
<script type="text/javascript" src="/cjs/a373b58f85b5e68c60f3edc35b348e14_a2abaa7837c3e1ccda94d6fe6b0f7a8f.js"></script>
<meta content="1001657519"/>
<link href="http://www.groupon.com.uy/descuentos/montevideo/sushi-go-26-12-7" rel="canonical" />
<link href="http://www.groupon.com.uy/deals/feed.rss" type="application/rss+xml" rel="alternate" title="Groupon - Descuentos" />
<meta name="title" content="Desde $264 en vez de $462 por 24, 48 o 72 piezas de sushi en Sushi Go"/>
/html/head/meta/@content
吗? - alecxe