用itemloader提取，清洗數據的技巧

    def parse_item(self, response):
        item_loader = NewItemLoader(NewItem(), response) item_loader.add_xpath('title', '//div[@id="chan_newsBlk"]/h1/text()') item_loader.add_xpath('time', '//div[@id="chan_newsInfo"]/text()', re='(\d+-\d+-\d+\s\d+:\d+:\d+)') item_loader.add_value('url', response.url) item_loader.add_xpath('text', '//div[@id="chan_newsDetail"]//text()') item_loader.add_xpath('source', '//div[@id="chan_newsInfo"]/text()', re='來源：(.*)')

在用到itemloader時，既能夠經過在item中定義一些函數，做爲input_processor()的參數對提取的數據進行修改，也能夠直接在提取的字段後面加入本身的正則表達式提取數據。如上圖中的re語句。