常用的5大CSS选择器：

# 1.元素选择器：又称为标签选择器，根据标签名来固定样式作用范围。

eg.对页面所有p标签样式限定：

p{

font-size:12px;  # 字体大小

background:#900;  # 背景颜色

}

# 2.类选择器：即根据元素(标签)的class属性来固定样式作用范围。（class不是唯一的）

eg.设置class为demoDiv的div块颜色

.demoDiv{color:#FF0000;}

# 3.ID选择器:即根据元素(标签)的id属性来固定样式作用范围。（ID是唯一的）

eg.设置id为demoDiv的div块颜色

#demoDiv{color:#FF0000; }

# 4.后代选择器：又称为包含选择器，用来选择特定元素或元素组的后代，将对父元素的选择放在前面，对子元素的选择放在后面，中间加一个空格分开。

eg.设置id为links的后代中标签a为红色

#links a {color:red;}

# 5.子选择器：子选择器（child selector）仅是指它的直接后代，或者你可以理解为作用于子元素的第一个后代，通过“>”进行选择。

eg.设置id为links的后代中第一个a标签为蓝色

#links > a {color:blue;}

当然还有很多css选择器，比如伪类选择器、通用选择器、群组选择器等，我就不赘述了，大家要用百度谷歌

一下就可以了嘿嘿。

# -*- coding: utf-8 -*-

import scrapy

import re

class JobboleSpider(scrapy.Spider):

    name = 'jobbole'

    allowed_domains = ['blog.jobbole.com']

    start_urls = ['http://python.jobbole.com/89196/']

    def parse(self, response):

        # CSS选择器实战

        # 文章标题

        title = response.css(".entry-header h1 ::text").extract()[0]

        # 发布日期

        data_r = response.css(".entry-meta-hide-on-mobile::text").extract()[0].strip()

        data_time = data_r.replace('·','').strip()

        # 文章分类

        type_01 = response.css(".entry-meta-hide-on-mobile > a:nth-child(1)::text").extract()[0]

        type_02 = response.css(".entry-meta-hide-on-mobile > a:nth-child(2)::text").extract()[0]

        article_type = type_01 + "·" + type_02

        # 文章简介

        summary = response.css(".entry > blockquote:nth-child(2) > p:nth-child(1)::text").extract()[0]

        # 点赞数

        praise_number = int( response.css("#89196votetotal::text").extract()[0])

        # 收藏数

        collection_str = response.css("span.btn-bluet-bigger:nth-child(2)::text").extract()[0]

        reg_02 = '.*?(\d+).*'

        collection_number = int(re.findall(reg_02,collection_str)[0])

        print("文章标题："+title)

        print("发布日期："+data_time)

        print("文章分类："+article_type)

        print("文章简介："+summary)

        print("点赞数："+str(praise_number))

        print("收藏数："+str(collection_number))

>>> response.css(".entry-header h1").extract()

['<h1>爬虫进阶：反反爬虫技巧</h1>']

>>> title = response.css(".entry-header h1").extract()[0]

>>> reg_01 = "<h1>(.*?)</h1>"

>>> title = re.findall(reg_01,title)[0]

>>> title

'爬虫进阶：反反爬虫技巧'

>>> title = response.css(".entry-header h1 ::text").extract()[0]

>>> title

'爬虫进阶：反反爬虫技巧’

'''

预备小知识：

1.str.strip():可以去除str里左右两端的空格和\n,\r。

2.str.replace("a","b"):将str里所有的a由b代替。

'''

# 文章发布时间

>>> data_r = response.css(".entry-meta-hide-on-mobile::text").extract()[0]

>>> data_r

'\r\n\r\n            2018/06/28 ·  '

>>> data_r = data_r.strip()

>>> data_r

'2018/06/28 ·'

>>> data_time = data_r.replace('·','').strip()

>>> data_time

'2018/06/28'

# 点赞数：h10下id为89196votetotal，因为页面内该id值唯一，故可以直接用id选择器

>>> response.css("#89196votetotal::text").extract()[0]

''

# praise_number = int(response.css("#89196votetotal::text").extract()[0])

# 收藏数：a:nth-child(2)表示选取a标签的第二个元素

>>> response.css("span.btn-bluet-bigger:nth-child(2)::text").extract()[0]

' 6 收藏'

>>> import re

>>> reg_02 = '.*(\d+).*'

>>> collection_str = response.css("span.btn-bluet-bigger:nth-child(2)::text").extract()[0]

>>> re.findall(reg_02,collection_str)[0]

''

或用collection_str = collection_str[0:3].strip()

# collection_str = response.css("span.btn-bluet-bigger:nth-child(2)::text").extract()[0]

#  reg_02 = '.*(\d+).*'

# collection_number = int(re.findall(reg_02,collection_str)[0])

# 评论数：X先生这次选择的又是没有评论的，可谓良苦用心，只为了让大家自己多动动脑袋，多想想，

# 哈哈哈

>>> response.css("span.hide-on-480::text").extract()[0]

'  评论'

# 如果有评论的话，和收藏数一样，用正则表达式匹配数字即可，自己找篇有评论的试试吧~

>>> response.css(".entry > blockquote:nth-child(2) > p:nth-child(1)::text").extract()[0]

'主要针对以下四种反爬技术：Useragent过滤；模糊的Javascript重定向；验证码；请求头一致性检查。'

>>> response.css(".entry-meta-hide-on-mobile > a:nth-child(1)::text").extract()[0]

'实践项目'

>>> response.css(".entry-meta-hide-on-mobile > a:nth-child(2)::text").extract()[0]

'爬虫'