- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我有以下 CrawlSpider,我无法访问大学网站上的链接。我认为这是因为不稳定的标记,但我不确定。我试图添加一个规则,但它不会遵循。我怎样才能使这项工作?
它作为一个单页蜘蛛工作,可以抓取第 1 页,但不会跟踪链接。
注意,不是作业,只是我玩了一下,得到了抓取 Dmoz 的板子。感谢所有帮助。
# -*- coding: utf-8 -*-
from scrapy.spider import Spider
from scrapy.selector import Selector
from scrapy.contrib.spiders import CrawlSpider, Rule
from scrapy.contrib.linkextractors import LinkExtractor
from scrapy.contrib.linkextractors.sgml import SgmlLinkExtractor
from example.items import ExampleItem
class ExampleSpider(CrawlSpider):
name = "example"
allowed_domains = ["example.ac.uk"]
start_urls = (
'http://www.example.ac.uk/courses/course-finder?query=&f.Year_of_entry|E=2015/16&f.Type|D=Undergraduate',
''
)
rules = (Rule (SgmlLinkExtractor(allow=("index\.php", ), callback="parse"),))
def parse(self, response):
sel = Selector(response)
sites = sel.xpath('//div[@id="course_list"]')
items = []
for site in sites:
item = ExampleItem()
item['link'] = site.xpath('//h2/a/@href').extract()
item['name'] = site.xpath('//h2/a/text()').extract()
items.append(item)
return items
网站的分页标记如下:
<div class="pagination">
<ul>
<li><i class="fa fa-chevron-left"></i><span>Previous</span></li>
<li><span>Go to page</span> 1</li>
<li><a href="course-finder?query=&fYear_of_entryE=2015/16&fTypeD=Undergraduate&start_rank=11"><span>Go to page</span> 2</a></li>
<li><a href="course-finder?query=&fYear_of_entryE=2015/16&fTypeD=Undergraduate&start_rank=21"><span>Go to page</span> 3</a></li>
<li><a href="course-finder?query=&fYear_of_entryE=2015/16&fTypeD=Undergraduate&start_rank=31"><span>Go to page</span> 4</a></li>
<li><a href="course-finder?query=&fYear_of_entryE=2015/16&fTypeD=Undergraduate&start_rank=41"><span>Go to page</span> 5</a></li>
<li><a href="course-finder?query=&fYear_of_entryE=2015/16&fTypeD=Undergraduate&start_rank=51"><span>Go to page</span> 6</a></li>
<li><a href="course-finder?query=&fYear_of_entryE=2015/16&fTypeD=Undergraduate&start_rank=61"><span>Go to page</span> 7</a></li>
<li><a href="course-finder?query=&fYear_of_entryE=2015/16&fTypeD=Undergraduate&start_rank=71"><span>Go to page</span> 8</a></li>
<li><a href="course-finder?query=&fYear_of_entryE=2015/16&fTypeD=Undergraduate&start_rank=81"><span>Go to page</span> 9</a></li>
<li><a href="course-finder?query=&fYear_of_entryE=2015/16&fTypeD=Undergraduate&start_rank=91"><span>Go to page</span> 10</a></li>
<li><a href="course-finder?query=&fYear_of_entryE=2015/16&fTypeD=Undergraduate&start_rank=11"><i class="fa fa-chevron-right"></i><span>Next</span></a></li>
</ul>
</div>
最佳答案
至少您遇到的第一个问题是您在链接提取器中定义回调
,但应该在规则级别定义:
rules = (
Rule(LinkExtractor(allow=("index\.php", )), callback="parse_result"),
)
def parse_result(self, response):
...
此外,您需要一个单独的规则来遵循分页:
rules = (
Rule(LinkExtractor(allow=("index\.php", )), callback="parse_result"),
Rule(LinkExtractor(restrict_xpaths='//div[@class="pagination"]'), follow=True),
)
关于python - Scrapy 关注链接,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28785047/
我有一个网站,并且我使用 javascript sdk 添加了“点赞”按钮。 这是代码 (function(d, s, id) { var js, fjs = d.g
我知道 HTML 是逐行读取的。当您链接多个 css 文件(如规范化文件和样式表文件)时,由于 CSS 重要性特异性和源顺序,样式表文件应链接在规范化文件之后。看起来这不会影响链接的 JavaScri
我正在使用官方 Bootstrap site 提供的 CDN 链接在我的网络应用程序中使用面板进行测试 在彻底检查我的代码后,面板没有显示。 但是我在 SO 上看到了类似的帖子并且 CDN 链接不同
这里是编码初学者。我正在尝试为我的移动设备网站设置断点,以便我的网站适合小屏幕。我只是想检查如果我缩小视口(viewport)的宽度,背景颜色是否会改变,但没有发生任何变化。也许我只是对一个简单的错误
举一个我想要的例子,想象一下这个字符串: $text = 'lorem ipsum About us lorem ipsum'; 如果此字符串包含一个 href 以 / 开头的 anchor 链接,则
如何链接到 LaTeX 文档的另一部分或子部分?这种链接的常规范式是什么,像[链接名称]那样写,或者像网页超链接那样写? 最佳答案 链接到另一个部分需要您的部分进行一些额外的标记。要使用的命令是: \
我有一个订单表,其中包含订单号、客户 ID 和代理 ID。然后有一个带有 id 的客户表和一个带有 id 的代理表。 我需要获取所有具有来自代理 ID 'a03' 和代理 ID 'a05' 的订单的客
假设我有: dic = {"z":"zv", "a":"av"} ## Why doesn't the following return a sorted list of keys? keys = d
我在尝试链接到外部库时得到了一些奇怪的结果。如果我从命令行运行以下命令: gcc fftwTest.c -I../extlib/fftw-3.3.5-dll32 -L../extlib/fftw-3.
我认为我没有正确理解 jQuery 链接。我正在遍历一个数组并尝试将 div 元素添加到我的包装器 CSS 类中,每个 div 元素都有一个“click”类和自定义 css top 和 left 属性
HTML 使用超级链接与网络上的另一个文档相连。几乎可以在所有的网页中找到链接。点击链接可以从一张页面跳转到另一张页面。 HTML 超链接(链接) HTML使用标签 a 来设置超文本链接。 超链
这个问题在这里已经有了答案: How do I link to part of a page? (hash?) (7 个答案) Scroll Automatically to the Bottom
我想创建一个 Docker Swarm 集群,运行一个 Elasticsearch 实例、一个 MongoDB 实例和一个 grails 应用程序,每个都在单独的机器上。我正在使用 Docker Ma
我正在尝试将 CakePHP HTML Linker 用于以下代码 Add Cuisine 由于 span 标签需要在 a 标签内。我无法根据需要获得输出。关于如何完成它的任何建议? 最佳答案 禁用链
大家好, 我最近开发了一个应用程序,很快就会提交到 App Store。我想免费提交这个应用程序,并想知道我是否可以实现一个带有 PayPal 捐赠标志的按钮,上面基本上写着“捐赠用于开发”或与此相关
我想尝试在 dlang 中使用 libuv。我下载了这样的 dlang 绑定(bind): git clone git@github.com:tamediadigital/libuv.git 现在我接
我有一个节点(节点 a),各种其他节点(节点 b/c/d/e)与之引用。 我可以创建一个带有参数的 View 作为我正在查看的节点(节点 a),并获取引用该节点的节点列表。 基本上在节点 a 查看节点
我正在尝试建立一个常见问题页面,上面有目录,下面有答案。我想点击目录中的一个问题,并在同一页面上链接到相应的答案。我如何在 CakePHP 中使用 $this->Html->link() 执行此操作方
在 WooCommerce 3.0+ 中,我使用 js 创建了一些选项卡,每个选项卡中包含来自不同类别的产品。我已经设法修改了简单产品的添加到购物车链接,其中点击了 addtocart 按钮它进入下一
Delphi 2007/2009 奇怪的问题在这里: 根据设计时定义的组件属性,是否可以在链接中包含文件或保留文件? 示例:如果我将 SomeProperty 保留为真,则在编译时,单元 SomeUn
我是一名优秀的程序员,十分优秀!