как извлечь текст, написанный вне тега h4, используя scrapy python

Question

метка поля с синим, это поле, которое я пытаюсь очистить

<div class="txt-block">
   <h4 class="inline">Budget:</h4>
   "€650,000
                         "
   <span class="attribute">(estimated)</span>
</div>

Я хочу очистить данные, находящиеся за пределами тега h4, то есть 650 000 евро. Как я могу сделать это с помощью Scrapy CSS в Python.

Я пытался это, но он возвращает несколько полей.

item['Budget'] = response.css(".txt-block h4:not(span)::text").extract()

Answer 1

Вам нужно извлечь текст в массив и получить значение из массива в нужном месте. Пример

import scrapy
# Print Your code here
html_text="""
<div class="txt-block">'+
    <h4 class="inline">Budget:</h4>650,000
    <span class="attribute">(estimated)</span>
</div>
 """
# Parse text selector
selector=scrapy.Selector(text=html_text)
print(selector)
# Extract div
d=selector.xpath('//div[@class="txt-block"]//text()')
values=d.extract() # Gives an array of text values
print(values)
# Value index 2 is what you need
print(values[2])

В Scrapy отсутствует удаление тегов, доступное в BeautifulSoup.

Answer 2

Попробуйте использовать:

data = [d.strip() for d in response.css('.txt-block::text') if d.strip()]

данные, которые вы хотите, фактически находятся в теге div, и я использую этот тег для получения данных.

Answer 3

Кажется, вы ищете реальную демонстрацию. Проверьте следующую реализацию:

import requests
from scrapy import Selector

url = "https://www.imdb.com/title/tt0111161/?pf_rd_m=A2FGELUUNOQJNL&pf_rd_p=e31d89dd-322d-4646-8962-327b42fe94b1&pf_rd_r=702AB91P12YZ9Z98XH5T&pf_rd_s=center-1&pf_rd_t=15506&pf_rd_i=top&ref_=chttp_tt_1"

res = requests.get(url)
sel = Selector(res)
budget = ' '.join(sel.css(".txt-block:contains('Budget')::text").extract()).strip()
gross = ' '.join(sel.css(".txt-block:contains('Gross USA')::text").extract()).strip()
cumulative = ' '.join(sel.css(".txt-block:contains('Cumulative Worldwide')::text").extract()).strip()
print(f'budget: {budget}\ngross: {gross}\ncumulative: {cumulative}')

Вывод на данный момент:

budget: $25,000,000
gross: $28,341,469
cumulative: $58,500,000

Answer 4

Попробуйте использовать following-sibling::text() в вашем xpath.Вот так: response.xpath('//div[contains(@class, "txt-block")]/h4/following-sibling::text()').get() выдаёт необходимую информацию.