1

Имеется html-код:

<div class="block_content_inner">
    <div class="details_block">
        <b>Название:</b> Fractured Lands<br>

        <b>Жанр:</b> 
        <a href="https://store.steampowered.com/genre/Action/?snr=1_5_9__408">Экшены</a>, <a href="https://store.steampowered.com/genre/Early%20Access/?snr=1_5_9__408">Ранний доступ</a><br>

        <div class="dev_row">
            <b>Разработчик:</b>

            <a href="https://store.steampowered.com/search/?developer=Unbroken%20Studios&amp;snr=1_5_9__408">Unbroken Studios</a>
        </div>

        <div class="dev_row">
            <b>Издатель:</b>

            <a href="https://store.steampowered.com/search/?publisher=Unbroken%20Studios&amp;snr=1_5_9__408">Unbroken Studios</a>           
        </div>


                <b>Дата выхода:</b> 31 июл. 2018<br>


    <div class="details_block">.....</div>
</div>

Необходимо вытащить информацию о жанрах. Ссылки представляют собой потомки первого уровня

Код:

genres = []

block_content_inner = html.cssselect('div.block_content_inner>div.details_block')[0]
genres_list = block_content_inner.cssselect('a')
for genre_list in genres_list:
    genres.append(genre_list.text)        

print('Жанры:',genres)

Как можно указать в css-селекторах искать только среди потомков первого уровня?

Текущий вывод: Жанры: ['Экшены', 'Ранний доступ', 'Unbroken Studios', 'Unbroken Studios'] Ожидаемый вывод: Жанры: ['Экшены', 'Ранний доступ']

2
  • У меня текущий вывод: IndexError: list index out of range, потому что в примере html нет div.block_content_inner ;)
    – gil9red
    31 июл 2018 в 8:40
  • Исправил разметку
    – danilshik
    31 июл 2018 в 8:49

1 ответ 1

1

Просто, нужно указывать что тег a является вложенным в .details_block, в css селекторе для этого используется символ >:

css_selector = 'div.block_content_inner > div.details_block:first-child > a'
genres = [genre_list.text for genre_list in html.cssselect(css_selector)]
print('Жанры:', genres)
# Жанры: ['Экшены', 'Ранний доступ']
17
  • Ваш код ищет ссылки среди всей страницы:
    – danilshik
    31 июл 2018 в 8:51
  • Жанры: ['Экшены', 'Ранний доступ', '\r\n\t\t\tПосетить сайт ', '\r\n\t\t\tПросмотреть историю обновлений\t\t', '\r\n\t\t\tПрочитать соответствующие новости\t\t', '\r\n\t\t\tПросмотреть обсуждения\t\t', '\r\n\t\tНайти группы сообщества\t']
    – danilshik
    31 июл 2018 в 8:51
  • @danilshik, в примере в вопросе он ищет правильно :) Подправил, проверьте
    – gil9red
    31 июл 2018 в 8:53
  • Ваш код работал бы, если бы на странице был бы 1 div class='details_block'. Но в разметке показано 2. Просто я во 2 блоке не вставил код, а поставил многоточие
    – danilshik
    31 июл 2018 в 8:57
  • @danilshik, согласен. Проверили текущий селектор после обновления ответа?
    – gil9red
    31 июл 2018 в 9:09

Ваш ответ

Нажимая на кнопку «Отправить ответ», вы соглашаетесь с нашими пользовательским соглашением, политикой конфиденциальности и политикой о куки

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.