python 爬虫 css提取网页内容

四大提取网页内容的基本方法之

4.css提取网页内容 语法简单一览

CSS选择器用于选择你想要的元素的样式的模式。
"CSS"列表示在CSS版本的属性定义（CSS1，CSS2，或对CSS3）。

在使用css之前需要把文本转换成一个对象

如：

from scrapy.selector import Selector
selector = Selector(text=html)  #转换成一个对象

序号	选择器	示例	示例说明	CSS
1	.class	.intro	选择所有class="intro"的元素	1
2	#id	#firstname	选择所有id="firstname"的元素	1
3	*	*	选择所有元素	2
4	element	p	选择所有< p >元素	1
5	element,element	div,p	选择所有< div >元素和< p >元素	1
6	element element	div p	选择 元素内的所有 元素	1
7	element>element	div>p	选择所有父级是 < div > 元素的 < p > 元素	2
8	element+element	div+p	选择所有紧接着< div >元素之后的< p >元素	2
9	[attribute]	[target]	选择所有带有target属性元素	2
10	[attribute=value]	[target=-blank]	选择所有使用target="-blank"的元素	2
11	[attribute~=value]	[title~=flower]	选择标题属性包含单词"flower"的所有元素	2
12	[attribute|=language]	[lang|=en]	选择一个lang属性的起始值="EN"的所有元素	2
13	:link	a:link	选择所有未访问链接	1
14	:visited	a:visited	选择所有访问过的链接	1
15	:active	a:active	选择活动链接	1
16	:hover	a:hover	选择鼠标在链接上面时	1
17	:focus	input:focus	选择具有焦点的输入元素	2
18	:first-letter	p:first-letter	选择每一个< P >元素的第一个字母	1
19	:first-line	p:first-line	选择每一个< P >元素的第一行	1
20	:first-child	p:first-child	指定只有当< p >元素是其父级的第一个子级的样式。	2
21	:before	p:before	在每个< p >元素之前插入内容	2
22	:after	p:after	在每个 < p > 元素之后插入内容	2
23	:lang(language)	p:lang(it)	选择一个lang属性的起始值="it"的所有 元素	2
24	element1~element2	p~ul	选择p元素之后的每一个ul元素	3
25	[attribute^=value]	a[src^=“https”]	选择每一个src属性的值以"https"开头的元素	3
26	[attribute$=value]	a[src$=".pdf"]	选择每一个src属性的值以".pdf"结尾的元素	3
27	[attribute*=value]	a[src*=“runoob”]	选择每一个src属性的值包含子字符串"runoob"的元素	3
28	:first-of-type	p:first-of-type	选择每个p元素是其父级的第一个p元素	3
29	:last-of-type	p:last-of-type	选择每个p元素是其父级的最后一个p元素	3
30	:only-of-type	p:only-of-type	选择每个p元素是其父级的唯一p元素	3
31	:only-child	p:only-child	选择每个p元素是其父级的唯一子元素	3
32	:nth-child(n)	p:nth-child(2)	选择每个p元素是其父级的第二个子元素	3
33	:nth-last-child(n)	p:nth-last-child(2)	选择每个p元素的是其父级的第二个子元素，从最后一个子项计数	3
34	:nth-of-type(n)	p:nth-of-type(2)	选择每个p元素是其父级的第二个p元素	3
35	:nth-last-of-type(n)	p:nth-last-of-type(2)	选择每个p元素的是其父级的第二个p元素，从最后一个子项计数	3
36	:last-child	p:last-child	选择每个p元素是其父级的最后一个子级。	3
37	:root	:root	选择文档的根元素	3
38	:empty	p:empty	选择每个没有任何子级的p元素（包括文本节点）	3
39	:target	#news:target	选择当前活动的#news元素（包含该锚名称的点击的URL）	3
40	:enabled	input:enabled	选择每一个已启用的输入元素	3
41	:disabled	input:disabled	选择每一个禁用的输入元素	3
42	:checked	input:checked	选择每个选中的输入元素	3
43	:not(selector)	:not§	选择每个并非p元素的元素	3
44	::selection	::selection	匹配元素中被用户选中或处于高亮状态的部分	3
45	:out-of-range	:out-of-range	匹配值在指定区间之外的input元素	3
46	:in-range	:in-range	匹配值在指定区间之内的input元素	3
47	:read-write	:read-write	用于匹配可读及可写的元素	3
48	:read-only	:read-only	用于匹配设置 “readonly”（只读） 属性的元素	3
49	:optional	:optional	用于匹配可选的输入元素	3
50	:required	:required	用于匹配设置了 “required” 属性的元素	3
51	:valid	:valid	用于匹配输入值为合法的元素	3
52	:invalid	:invalid	用于匹配输入值为非法的元素