Opisy kursów DataCamp

Podobnie jak w poprzednim ćwiczeniu, kod jest tutaj dość długi – pracujesz bowiem z całym pająkiem do przeszukiwania sieci! Jednak nie daj się przytłoczyć ilości kodu. Wiesz już, jak działają pająki, i bez problemu poradzisz sobie z prostym zadaniem, które na ciebie czeka!

Podobnie jak poprzednio, przygotowaliśmy funkcję previewCourses, która pozwala podejrzeć wyniki działania pająka. Możesz też po prostu przejrzeć słownik dc_dict po uruchomieniu kodu.

W tym ćwiczeniu twoim zadaniem jest utworzenie selektora CSS prowadzącego bezpośrednio do tekstu opisu kursu. Wiedz, że na stronie kursu tekst opisu znajduje się wewnątrz elementu akapitu p należącego do klasy course__description (dwa podkreślenia).

To ćwiczenie jest częścią kursu

Web Scraping w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Uzupełnij jedną lukę w metodzie parse_pages selektorem CSS, który wskazuje na tekst wewnątrz elementu akapitu p należącego do klasy course__description.

UWAGA: Jeśli klikniesz Uruchom kod, musisz użyć opcji Resetuj do przykładowego kodu, zanim będzie można ponownie skorzystać z Uruchom kod!!

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import scrapy
import scrapy

# Import the CrawlerProcess: for running the spider
from scrapy.crawler import CrawlerProcess

# Create the Spider class
class DC_Description_Spider(scrapy.Spider):
  name = "dc_chapter_spider"
  # start_requests method
  def start_requests(self):
    yield scrapy.Request(url = url_short,
                         callback = self.parse_front)
  # First parsing method
  def parse_front(self, response):
    course_blocks = response.css('div.course-block')
    course_links = course_blocks.xpath('./a/@href')
    links_to_follow = course_links.extract()
    for url in links_to_follow:
      yield response.follow(url = url,
                            callback = self.parse_pages)
  # Second parsing method
  def parse_pages(self, response):
    # Create a SelectorList of the course titles text
    crs_title = response.xpath('//h1[contains(@class,"title")]/text()')
    # Extract the text and strip it clean
    crs_title_ext = crs_title.extract_first().strip()
    # Create a SelectorList of course descriptions text
    crs_descr = response.css( ____ )
    # Extract the text and strip it clean
    crs_descr_ext = crs_descr.extract_first().strip()
    # Fill in the dictionary
    dc_dict[crs_title_ext] = crs_descr_ext

# Initialize the dictionary **outside** of the Spider class
dc_dict = dict()

# Run the Spider
process = CrawlerProcess()
process.crawl(DC_Description_Spider)
process.start()

# Print a preview of courses
previewCourses(dc_dict)

Edytuj i uruchom kod