编写scrapy爬虫，处理items相关元素数据，涉及到selector， 整理备查。
目录
一、常用xpath使用方法
二、css语法
三、xpath选择器整理
四、css选择器整理
一、常用xpath使用方法：
xpath常用语法
/：根节点
//xxx/zzz：路径
//div：去全局的子孙中找所有的div元素
.//表示去当前对象的子孙中找
/xxx//div：去儿子对象中找xxx节点下所有的div元素
*：匹配任意节点元素
/html/body/div[1]：选取body下的第一个div节点
//div[@class="xxx"]：选取class属性为xxx的div节点
//@attr：获取attr对应的值
常用函数
text()：提取文本信息，//*[@class='xxx']/text()
position()：选取第几个节点，//*[position()=1]
last()：选取最后一个节点，//*[last()]
starts-with(@attr,substr)：attr属性值开头substr的节点
contains(@attr,substr)：attr属性值是否包含substr
运算符
|：计算两个节点集合，比如//div|//li
比较运算符=,!=,<=...，比如//price[text()>10]
算数运算符：+，-，*，div，比如//price[text()+1]
逻辑运算符：or，and，[@class='xxxx' or @class='yyyy']
xpath语法案例：以取a标签为案例，div、span等都相同
xpath('//a')：找到全局中所有的a标签
xpath('//a/text() ')：获取a标签的文本值
xpath('//a/span')：a标签对象儿子下的span标签
xpath('//a[2]')：a标签找到后，返回的是一个列表，[n]列表的n位置的值
xpath('//a[@id]')：找全局中属性为id的a标签
xpath('//a[@id="i1"]')：找全局中属性id为i1的a标签
xpath('//a/@id')：取a标签的id的属性值
xpath('//a[@href="link.html"][@id="i1"]')：两个[]代表双条件，需要href="link.html“，且id="i1"的a标签
xpath('//a[contains(@href, "link")]')：a标签的href需要包含"link"字符
xpath('//a[starts-with(@href, "link")]')：a标签的href需要以"link"开头
xpath('//a[re:test(@id, "i\d+")]')：正则表达式的写法，需要有re:test
xpath('//a[re:test(@id, "i\d+")]/@href').extract()，正则表达式的写法案例
xpath(.//）在当前基础上往下找，需要加“.”，比如用在for循环中
obj.extract()#列表中的每一个对象转化字符串==>返回一个列表
obj.extract_first() #列表中的每一个对象转化字符==>列表中的第一个元素
xpath('/html/body/ul/li/a/@href').extract()：一层层去找标签
二、css语法
基本语法
.classvalue：选择class属性为classvalue的元素
#idvalue：选择id值为idvalue的元素
p：选择所有的p元素
div,p：选择所有的div和p元素
div~p：前面有div元素的每个p元素，div和p为兄弟节点
li span ：选择li内部所有的span元素
div>p：选择父结点为div的所有p元素
::text/::attr(src)：文本信息/提取某个属性的值，比如a::attr(href)，提取超链接
属性的语法
[attr]选择所有带attr属性的元素
[attr=val]选择attr值为val的所有元素：[numvalue=num1]
[attr^=val]选择attr属性值以val开头的元素：[src^=http]
[attr$=val]选择attr属性值以val结尾的元素：[src^=.jpg]
[attr*=val]选择attr属性值包含val的元素：[src*=douban]
ele语法
ele:first-of-type：所有子元素为ele的第一个元素
ele:first-child：第一个元素为ele的元素
ele:only-of-type：类型为ele的元素
ele:only-child：唯一子元素的每个ele元素
ele:nth-of-type(n)：选择第n个ele元素
ele:nth-child(n)：第n个子元素为ele的元素
ele:last-child：最后一个为ele的子元素
三、xpath选择器整理
| 表达式 | 说明 |
|---|---|
| article | 选取所有article元素的所有子节点 |
| /article | 选取根元素article |
| article/a | 选取所有属于article的子元素的a元素 |
| //div | 选取所有div子元素（不论出现在文档任何地方） |
| article//div | 选取所有属于article元素的后代的div元素，不管它出现在article之下的任何位置 |
| //@class | 选取所有名为class的属性 |
| /article/div[1] | 选取属于article子元素的第一个div元素 |
| /article/div[last()] | 选取属于article子元素的最后一个div元素 |
| /article/div[last()-1] | 选取属于article子元素的倒数第二个div元素 |
| //div[@lang] | 选取所有拥有lang属性的div元素 |
| //div[@lang='eng'] | 选取所有lang属性为eng的div元素 |
| /div/* | 选取属于div元素的所有子节点 |
| //* | 选取所有元素 |
| //div[@*] | 选取所有带(任意)属性的div元素 |
| /div/a | //div/p | 选取所有div元素的a和p元素 |
| //span | //ul | 选取文档中的span和ul元素 |
| article/div/p | //span | 选取所有属于article元素的div元素的p元素以及文档中的所有span元素 |
| //div[@id='1']/h1/text() | 获取id为1的div标签下的h1标签里的内容 |
| //span[not(@class)] | 选择不包含class属性的span节点 |
| //span[not(@class) and not(@id)] | 选择不包含class和id属性的span节点 |
| //span[not(contains(@class,'expire'))] | 选择不包含class="expire"的span |
| //span[contains(@class,'expire')] | 选择包含class="expire"的span |
| //h2[contains(text(),'Activated')] | 选择标签内容里包含Activated的h2标签 |
| //div[not(contains(text(),'activated'))] | 选择标签内容中不包含activated的div标签 |
XPATH如何选择不包含某一个属性的节点
我们知道选择包含某一特定属性的节点，可以使用例如//tbody/tr[@class]来选择。那么不含某属性的节点如何用xpath取得呢？
这里可以用到not。例如排除一个属性的节点可以使用//tbody/tr[not(@class)]来写，排除一个或者两个属性可以使用//tbody/tr[not(@class or @id)]来选择。
四、css 选择器整理
| 表达式 | 说明 |
|---|---|
| * | 选择所有节点 |
| # container | 选择id为container的节点 |
| .container | 选取所有class 包含container的节点 |
| li a | 选取所有li下的所有a节点 （子节点） |
| ul + p | 选择ul后面的第一个p元素（兄弟节点） |
| div#container > ul | 选取id为container的div的第一个ul子元素 |
| ul ~ p | 选取与ul相邻的所有p元素 |
| a[title] | 选取所有有title属性的a元素 |
| a[href="a.com"] | 选取所有href属性为a.com值的a元素 |
| a[href*="a"] | 选取所有href属性包含a的a元素 |
| a[href^="http"] | 选取所有href属性值以http开头的a元素 |
| a[href$=".jpg"] | 选取所有href属性值以.jpg结尾的a元素 |
| inupt[type=radio]:checked | 选取状态为选中的radio元素 |
| div:not(#container) | 选取所有id不为container的div元素 |
| li:nth-child(3) | 选取第三个li元素 |
| tr:nth-child(2n) | 第偶数个tr元素 |