一、简述

通过使用css来对web网站进行筛选，过滤出我们想要爬取的内容，这里是一个示例代码html文件，为下面演示使用（可点击 这里 这里code 免费下载）

二、css基础使用演示

1.web工具

点击 这里 打开网页，复制演示代码中的html文件至”input html”选项框内，如下图所示

这里可以通过 ‘CSS Query’ 复选框来键入不同的标签值或者标签表达式，来匹配我们想要得到的内容。

2.基础表达式

下面是基础语法使用方法示例（官方语法示例点击 这里 查看）：

• 标签名：直接键入标签名，如head,body,div,p,li等等，即可得到具有此标签的所有内容；
• class：点号加class的值，如”.intro”,可以显示所有相同ID的class的标签的内容；
•  ID：”#”加ID值，如”#location”,可以显示ID值为location的内容，一般ID在一个html具有唯一性；
•  组合表达式：
  • 标签名加”.”加class名，如”div.intro”;
  • 标签名加”#”加ID值，如”span#location”;
  • “.”加class加”.”加class，如”.bold.italic”;
  • 从选定的标签中再获取相应的内容，如”div.intro p#outside”, 先选定了class为intro的div，然后中间加空格，后面继续跟表达式；
  • 从选定的标签中再获取具有同一类标签的所有内容，可以使用大于号，如”div.intro > p”；
  • 只获取选定标签中的某个没有class和ID的标签，可以使用加号，如”div.intro + p”;
• 列表：
  • 从列表中选择某个内容，如”li[data-identifier=”7″]” 或 “[data-identifier=7]”;
  • 从列表选择某个内容，也可以用公式nth-child()来选择某个值, 如”li:nth-child(1)”
  • 获取列表奇数项：nth-child(odd),如”li:nth-child(odd)”;
  • 获取列表偶数项：nth-child(even),如”li:nth-child(even)”
• 条件表达式：
  • 以某字符开头的内容，如”a[href^=https]”;
  • 以某字符结尾的内容，如”a[href$=fr]”;
  • 获取包含某字符的内容，如”a[href*=google]” 或者 “a[href~=fr]”;
  • 指定标签中包含指定标签，如”div ~ p”;