1. Concetti principali di CSS per il web scraping
Per avere successo con il web scraping, capire la struttura di HTML e delle classi CSS della pagina è fondamentale.
Capendo come gli elementi della pagina sono stilizzati e strutturati con CSS, è possibile selezionare i dati giusti e
estrarli con precisione. Vedremo come il collegamento di CSS a HTML, l'uso di selettori e gli attributi
style, class, id e name aiutano a lavorare con la struttura
delle pagine web per il scraping.
CSS si occupa della stilizzazione delle pagine web, ma per gli obiettivi del web scraping, possiamo considerare CSS come uno strumento per capire la struttura e selezionare gli elementi. Vediamo i concetti fondamentali di CSS utili per il scraping:
- Selettori — sono regole che indicano elementi HTML specifici. Il loro uso aiuta a identificare esattamente i dati necessari.
-
Attributi
class,id, ename— sono identificatori unici che aiutano a evidenziare e distinguere gli elementi. Per il scraping sono particolarmente utili, poiché aiutano a isolare gli elementi necessari, facilitando l'estrazione dei dati.
2. Collegamento CSS al documento HTML
CSS può essere collegato a HTML in diversi modi. È importante comprendere questi modi per navigare tra gli elementi e determinare i loro stili e classi, poiché questo aiuterà a isolare i dati target.
File esterno
Spesso CSS viene collegato sotto forma di file esterno, come si può vedere in un documento HTML attraverso il tag
<link> nella sezione <head>. I file CSS esterni definiscono gli stili per l'intera pagina, inclusi identificatori e
classi, facilitando la navigazione durante il scraping.
<head>
<link rel="stylesheet" href="styles.css">
</head>
Stili interni
A volte gli stili possono essere definiti all'interno della pagina usando il tag <style>. Gli stili interni si trovano
nella sezione <head> della pagina e possono essere usati come suggerimento per comprendere le classi e
gli identificatori per selezionare gli elementi necessari.
<head>
<style>
.price {
color: red;
}
</style>
</head>
Stili inline (attributo style)
Gli stili inline si trovano direttamente nei tag HTML e influenzano solo l'elemento specifico. L'attributo
style spesso contiene proprietà uniche utili per individuare i dati target.
<p style="color: red; font-size: 18px;">Testo con stile inline</p>
<p style="color: red; font-size: 18px;">Testo con stile inline</p>
3. Selettori in CSS
I selettori in CSS sono usati per applicare stili agli elementi, ma per il web scraping il loro utilizzo principale è la selezione precisa degli elementi che contengono i dati necessari. Vediamo i principali tipi di selettori che si possono usare per il web scraping.
Tipi principali di selettori
Selettore per tag: Questo selettore seleziona tutti gli elementi di un determinato tag (ad esempio, <p>
o
<div>). Nel web scraping, i selettori per tag sono utili per estrarre informazioni da tag che
possono contenere testo, immagini e altre informazioni.
p {
color: blue;
}
Selettore per classe: Questo selettore seleziona elementi con un determinato valore dell'attributo class.
Una classe è indicata con un punto (.) prima del nome. Nel web scraping, le classi sono particolarmente utili perché possono
identificare elementi con gli stessi stili, come una lista di prodotti.
.price {
color: red;
}
.price {
color: red;
}
<p class="price">Prezzo: $99</p>
Selettore per ID: Questo selettore seleziona un elemento con un attributo id unico,
indicato con il simbolo #. Nel web scraping, l'id è particolarmente utile per selezionare elementi unici,
come un titolo o un pulsante in una pagina.
#product-title {
font-size: 24px;
}
#product-title {
font-size: 24px;
}
<h1 id="product-title">Nome del prodotto</h1>
GO TO FULL VERSION