Descrições do DataCamp

Assim como no exercício anterior, o código aqui é longo, pois você está trabalhando com um spider inteiro que rastreia a web! Mas, novamente, não deixe que a quantidade de código o intimide, pois você já sabe como os spiders funcionam e é perfeitamente capaz de concluir a tarefa fácil que lhe foi apresentada aqui!

Assim como no exercício anterior, criamos uma função chamada previewCourses que permite visualizar a saída do spider, mas você também pode explorar o dicionário dc_dict a qualquer momento depois de executar o código.

Neste exercício, você deve criar uma string de um localizador CSS diretamente para o texto da descrição do curso. Tudo o que você precisa saber é que, na página do curso, o texto de descrição do curso fica dentro de um elemento de parágrafo p que pertence à classe course__description (com dois sublinhados).

Este exercício faz parte do curso

Raspagem da Web em Python

Ver Curso

Instruções de exercício

Preencha o espaço em branco abaixo no método parse_pages com uma string de um localizador CSS que direcione para o texto no elemento de parágrafo p que pertence à classe course__description.

OBSERVAÇÃO: se você clicar em “Executar código”, será necessário voltar para o código de exemplo para usar “Executar código” novamente!

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# 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)

Editar e executar código