python之scrapy的使用和获取标签内部全部文本的四种方式

在使用爬虫爬取数据的时候，经常需要获取标签内的文本，下面向大家介绍四种获取文本的方式（以小说吧中的一篇帖子为例，链接为：https://tieba.baidu.com/p/5806279867）：
第一步：打开终端，在指定文件夹下创建一个新的项目，并且按照提示输入两个命令

              第一个命令进入tieba这个文件夹

              第二个命令创建一个名字为story的爬虫文件（爬虫的名字不能和工程名字一样），链接为tieba.baidu.com

创建成功的话，在指定目录下会生成以下文件

spiders：所有创建的爬虫文件会放在此文件夹下

__init__.py : 初始化文件

Items.py :存放数据模型

middlewares.py: 中间件，负责对内容进行处理

pipelines.py:通常用来控制执行的顺序

setttings.py:设置项目的配置信息

因为我们创建了一个名字为story的爬虫文件，所以spiders文件夹下有一个story的py文件

第二步：把代码内容写在爬虫文件中

获取每层的内容（四种方式获取标签内的文本）：

第一种方式：使用正则表达式获取

在终端中输入：

 运行结果：

第二种方式：获取外层标签，遍历内部所有的子标签，获取标签文本。

运行结果：

第三种方式：获取标签以及子标签的文本，遍历所有的元素，获得标签文本

运行结果：

第四种方式：使用xpath('string(.)')这种方式来获取所有文本并且拼接

运行结果：