1.Scrapy爬虫之静态网页爬取之一 了解response.x
我们直接看例子：
网址：http://quotes.toscrape.com/
1
1. xpath提取方法：
用谷歌浏览器打开网页，右键检查，选中标签-copy-copyxpath
2
copyxpath得到：/html/body/div/div[2]/div[1]/div[1]/span[1]
2.如何得到网页信息：
在jupyter中的terminal中（jupyter中的termimal不能运行在windows系统中） 输入 scrapy shell http://quotes.toscrape.com/
会有请求信息返回，返回response对象，里面包含网页所有信息。
楼主安装了3.6的anaconda，但是里面没集成scrapy框架。但是也安装了python2.7，里面成功安装了scrapy（添加环境变量了，命令行任意位置识别scrapy命令，不添加环境变量的话，只在它的文件夹下识别这个命令）。打开windows命令行，同样键入：scrapy shell http://quotes.toscrape.com/ 会有请求信息返回。[s]开头
如下：
3
4
5
response是请求后所返回的对象，200说明返回正确
要验证表达式对不对，会返回一个对象叫response，这个response包含了这个网页的所有内容:
>>>response.xpath('/html/body/div/div[2]/div[1]/div[1]/span[1]/text()')
>>> response.xpath('/html/body/div/div[2]/div[1]/div[1]/span[1]/text()').extract()```
比较：一个返回对象，一个返回列表，一个返回字符串
response.xpath('/html/body/div/div[2]/div[1]/div[1]/span[1]/text()')
response.xpath('/html/body/div/div[2]/div[1]/div[1]/span[1]/text()').extract()
[u'\u201cThe world as we have created it is a process of our thinking. It cannot be changed without changing our thinking.\u201d']
response.xpath('/html/body/div/div[2]/div[1]/div[1]/span[1]/text()').extract_first()
u'\u201cThe world as we have created it is a process of our thinking. It cannot be changed without changing our thinking.\u201d'```
response中自带的xpath函数来验证路径表达式是不是对的，这是利用chrome自带的工具定位元素,以上验证出来了网页内标签的内容，说明是正确的。
3.如何自己写xpath获取同一标签下的所有信息：
6
方法：所有的框都是在span class="text"中
7
>>> response.xpath('//span[@class="text"]/text()').extract()```
分析：response是之前scrapy shell+网页请求后返回来一个所有的对象。它的xpath函数里面是路径表达式，//表示取出所有对象，@表示属性，写完后返回的是对象，所以返回文本加上.extract()返回了一个列表：抽出的是名言
如下：
抽出作者：
退出：
**总结：**scrapy shell 算是一个工具，来验证抽取的对不对，对的话就可以大胆的去写代码了。
补充：scrapy的命令
