css或xpath：选择前两个元素

Question

我练习Scrapy，并想问一个问题：

我要剪贴的网站具有以下结构：

<td class="c3">
    <div class="text">
        <a class="title" href="https:// ">movie</a>
        <a  href="https:/ ">movieEN</a>
        <p><ins><a hpp="thisweek-guide" href="https:// ">see more</a></ins></p>
    </div>
</td>

但是我只想要第一个2 href元素（movie和MovieEN）而没有最后一个（请参阅更多），我该怎么办？
这是我的代码，不起作用

ssel.css("td.c3 a:nth-child(-n+3)::text").extract()

Answer 1

我看到两件事：

• a:nth-child(-n+3)将选择父元素的前三个孩子。

在您的情况下，它将选择所有3个a元素：前2个是<div class="text">子项1和2，最后一个是<ins>的第一个子<ins>

• 我认为cssselect a:nth-child(-n+3)不能通过cssselect正确cssselect ，而n的负值为an + b形式（草皮在内部使用cssselect）

检查一下：

>>> cssselect.HTMLTranslator().css_to_xpath('a:nth-child(-n+3)')
u"descendant-or-self::*/*[name() = 'a' and ((position() -3) mod -1 = 0 and position() >= 3)]"

它应该类似于u"descendant-or-self::*/*[name() = 'a' and ((position() -3) mod -1 = 0 and position() <= 3)]"

我建议您使用CSS选择器和XPath的组合（您可以草率地链接它们）：

In [1]: import scrapy

In [2]: selector = scrapy.Selector(text="""
   ...: <td class="c3">
   ...:     <div class="text">
   ...:         <a class="title" href="https:// ">movie</a>
   ...:         <a  href="https:/ ">movieEN</a>
   ...:         <p><ins><a hpp="thisweek-guide" href="https:// ">see more</a></ins></p>
   ...:     </div>
   ...: </td>""")

In [3]: selector.css("td.c3 a:nth-child(-n+3)::text").extract()
Out[3]: []


In [4]: selector.css("td.c3").xpath("(.//a)[position() < last()]//text()").extract()
Out[4]: [u'movie', u'movieEN']

In [5]: 

或者，如果仅考虑<div class="text"> ：

In [8]: selector.css("td.c3 > * > a::text").extract()
Out[8]: [u'movie', u'movieEN']

In [9]: selector.css("td.c3 div.text > a::text").extract()
Out[9]: [u'movie', u'movieEN']