Question

LinkExtractor的使用非常简单，通过一个例子进行讲解，使用LinkExtractor替代Selector完成BooksSpider提取链接的任务，代码如下：

from scrapy.linkextractors import LinkExtractor
class BooksSpider(scrapy.Spider):
 ...
 def parse(self, response):
  ...
  # 提取链接
  # 下一页的url 在ul.pager > li.next > a 里面
  # 例如: <li class="next"><a href="catalogue/page-2.html">next</a></li>
  le = LinkExtractor(restrict_css='ul.pager li.next')
  links = le.extract_links(response)
  if links:
    next_url = links[0].url
    yield scrapy.Request(next_url, callback=self.parse)

对上述代码解释如下：

导入LinkExtractor，它位于scrapy.linkextractors模块。

创建一个LinkExtractor对象，使用一个或多个构造器参数描述提取规则，这里传递给restrict_css参数一个CSS选择器表达式。它描述出下一页链接所在的区域（在li.next下）。

调用LinkExtractor对象的extract_links方法传入一个Response对象，该方法依据创建对象时所描述的提取规则，在Response对象所包含的页面中提取链接，最终返回一个列表，其中的每一个元素都是一个Link对象，即提取到的一个链接。

由于页面中的下一页链接只有一个，因此用links[0]获取Link对象，Link对象的url属性便是链接页面的绝对url地址（无须再调用response.urljoin方法），用其构造Request对象并提交。

通过上面的例子，相信大家已经了解了使用LinkExtractor对象提取页面中链接的流程。