- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
所以我让我的抓取工具可以处理一个表单请求。我什至可以看到终端打印出单页版本中的抓取数据:
class MySpider(BaseSpider):
name = "swim"
start_urls = ["example.website"]
DOWNLAD_DELAY= 30.0
def parse(self, response):
return [FormRequest.from_response(response,formname="TTForm",
formdata={"Ctype":"A", "Req_Team": "", "AgeGrp": "0-6",
"lowage": "", "highage": "", "sex": "W", "StrkDist": "10025",
"How_Many": "50", "foolOldPerl": ""}
,callback=self.swimparse1,dont_click=True)]
def swimparse1(self, response):
open_in_browser(response)
hxs = Selector(response)
rows = hxs.xpath(".//tr")
items = []
for rows in rows[4:54]:
item = swimItem()
item["names"] = rows.xpath(".//td[2]/text()").extract()
item["age"] = rows.xpath(".//td[3]/text()").extract()
item["free"] = rows.xpath(".//td[4]/text()").extract()
item["team"] = rows.xpath(".//td[6]/text()").extract()
items.append(item)
return items
但是,当我添加第二个表单请求回调时,它只会抓取第二个表单中的项目。它还只打印第二页的抓取,就好像它完全跳过第一页抓取一样? :
class MySpider(BaseSpider):
name = "swim"
start_urls = ["example.website"]
DOWNLAD_DELAY= 30.0
def parse(self, response):
return [FormRequest.from_response(response,formname="TTForm",
formdata={"Ctype":"A", "Req_Team": "", "AgeGrp": "0-6",
"lowage": "", "highage": "", "sex": "W", "StrkDist": "10025",
"How_Many": "50", "foolOldPerl": ""}
,callback=self.swimparse1,dont_click=True)]
def swimparse1(self, response):
open_in_browser(response)
hxs = Selector(response)
rows = hxs.xpath(".//tr")
items = []
for rows in rows[4:54]:
item = swimItem()
item["names"] = rows.xpath(".//td[2]/text()").extract()
item["age"] = rows.xpath(".//td[3]/text()").extract()
item["free"] = rows.xpath(".//td[4]/text()").extract()
item["team"] = rows.xpath(".//td[6]/text()").extract()
items.append(item)
#print item[]
return [FormRequest.from_response(response,formname="TTForm",
formdata={"Ctype":"A", "Req_Team": "", "AgeGrp": "0-6",
"lowage": "", "highage": "", "sex": "W", "StrkDist": "40025",
"How_Many": "50", "foolOldPerl": ""}
,callback=self.Swimparse2,dont_click=True),]
def swimparse2(self, response):
open_in_browser(response)
hxs = Selector(response)
rows = hxs.xpath(".//tr")
items = []
for rows in rows[4:54]:
item = swimItem()
item["names"] = rows.xpath(".//td[2]/text()").extract()
item["age"] = rows.xpath(".//td[3]/text()").extract()
item["fly"] = rows.xpath(".//td[4]/text()").extract()
item["team"] = rows.xpath(".//td[6]/text()").extract()
items.append(item)
#print item[]
return items
猜测:A)如何将第一次抓取中的项目导出或返回到第二次抓取中,以便最终将所有项目数据放在一起,就像从一页抓取一样?
B)或者如果第一个抓取被完全跳过,我怎样才能停止跳过并将这些项目传递到下一个?
谢谢!
PS:另外:我尝试过使用:
item = response.request.meta = ["item]
item = response.request.meta = []
item = response.request.meta = ["names":item, "age":item, "free":item, "team":item]
所有这些都会引发关键错误或其他异常
我还尝试修改表单请求以包含 meta={"names":item, "age":item, "free":item, "team":item}。不会引发错误,但不会抓取或存储任何内容。
编辑:我尝试使用这样的产量:
class MySpider(BaseSpider):
name = "swim"
start_urls = ["www.website.com"]
DOWNLAD_DELAY= 30.0
def parse(self, response):
open_in_browser(response)
hxs = Selector(response)
rows = hxs.xpath(".//tr")
items = []
for rows in rows[4:54]:
item = swimItem()
item["names"] = rows.xpath(".//td[2]/text()").extract()
item["age"] = rows.xpath(".//td[3]/text()").extract()
item["free"] = rows.xpath(".//td[4]/text()").extract()
item["team"] = rows.xpath(".//td[6]/text()").extract()
items.append(item)
yield [FormRequest.from_response(response,formname="TTForm",
formdata={"Ctype":"A", "Req_Team": "", "AgeGrp": "0-6",
"lowage": "", "highage": "", "sex": "W", "StrkDist": "10025",
"How_Many": "50", "foolOldPerl": ""}
,callback=self.parse,dont_click=True)]
for rows in rows[4:54]:
item = swimItem()
item["names"] = rows.xpath(".//td[2]/text()").extract()
item["age"] = rows.xpath(".//td[3]/text()").extract()
item["fly"] = rows.xpath(".//td[4]/text()").extract()
item["team"] = rows.xpath(".//td[6]/text()").extract()
items.append(item)
yield [FormRequest.from_response(response,formname="TTForm",
formdata={"Ctype":"A", "Req_Team": "", "AgeGrp": "0-6",
"lowage": "", "highage": "", "sex": "W", "StrkDist": "40025",
"How_Many": "50", "foolOldPerl": ""}
,callback=self.parse,dont_click=True)]
仍然没有抓取任何东西。我知道 xpath 是正确的,因为当我只尝试并抓取一种形式(使用返回而不是 yield )时,它工作得很好。我已经阅读了杂乱的文档,但它并不是很有帮助:(
最佳答案
您缺少一个非常简单的解决方案,请将 return
更改为 yield
然后,您不必在数组中累积项目,只需从函数中生成所需数量的项目和请求,scrapy 将完成剩下的工作
来自scrapy docs :
from scrapy.selector import Selector
from scrapy.spider import Spider
from scrapy.http import Request
from myproject.items import MyItem
class MySpider(Spider):
name = 'example.com'
allowed_domains = ['example.com']
start_urls = [
'http://www.example.com/1.html',
'http://www.example.com/2.html',
'http://www.example.com/3.html',
]
def parse(self, response):
sel = Selector(response)
for h3 in sel.xpath('//h3').extract():
yield MyItem(title=h3)
for url in sel.xpath('//a/@href').extract():
yield Request(url, callback=self.parse)
关于python - Scrapy跨多个表单请求页面存储项目?元? Python,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/21323123/
我正在尝试从该网站抓取历史天气数据: http://www.hko.gov.hk/cis/dailyExtract_uc.htm?y=2016&m=1 在阅读了 AJAX 调用后,我发现请求数据的正确
我有两个 postman 请求 x,y,它们命中了两个不同的休息 api X,Y 中的端点。 x 会给我一个身份验证 token ,这是发出 y 请求所必需的。如何在请求 y 中发出请求 x ?也就是
我使用请求库通过 API 与其他服务器进行通信。但现在我需要同时发送多个(10 个或更多)POST 请求,并且只有在所有响应都正确的情况下才能进一步前进。通常语法看起来有点像这样: var optio
背景:当用户单击按钮时,其类会在class1和class2之间切换,并且此数据是通过 AJAX 提交。为了确认此数据已保存,服务器使用 js 进行响应(更新按钮 HTML)。 问题:如果用户点击按钮的
我正在将 Node.js 中的请求库用于 Google 的文本转语音 API。我想打印出正在发送的请求,如 python example . 这是我的代码: const request = requi
我经常使用requests。最近我发现还有一个 requests2 和即将到来的 requests3 虽然有一个 page其中简要提到了 requests3 中的内容,我一直无法确定 requests
我正在尝试将图像发送到我的 API,然后从中获取结果。例如,我使用发送一个 bmp 图像文件 file = {"img": open("img.bmp)} r = requests.post(url,
我发现 Google Cloud 确保移出其物理环境的任何请求都经过强制加密,请参阅(虚拟机到虚拟机标题下的第 6 页)this link Azure(和 AWS)是否遵循类似的程序?如果有人能给我指
我有一个 ASP.NET MVC 应用程序,我正在尝试在 javascript 函数中使用 jQuery 来创建一系列操作。该函数由三部分组成。 我想做的是:如果满足某些条件,那么我想执行同步 jQu
我找不到如何执行 get http 请求,所以我希望你们能帮助我。 这个想法是从外部url(例如 https://api.twitter.com/1.1/search/tweets.json?q=tw
我的应用只需要使用“READ_SMS”权限。我的问题是,在 Android 6.0 上,当我需要使用新的权限系统时,它会要求用户“发送和查看短信”。 这是我的代码: ActivityCompat.re
我的前端代码: { this.searchInput = input; }}/> 搜索 // search method: const baseUrl = 'http://localho
我有一个由 AJAX 和 C# 应用程序使用的 WCF 服务, 我需要通过 HTTP 请求 header 发送一个参数。 在我的 AJAX 上,我添加了以下内容并且它有效: $.ajax({
我正在尝试了解如何使用 promises 编写代码。请检查我的代码。这样对吗? Node.js + 请求: request(url, function (error, response, body)
如果失败(除 HTTP 200 之外的任何响应代码),我需要重试发送 GWT RPC 请求。原因很复杂,所以我不会详细说明。到目前为止,我在同一个地方处理所有请求响应,如下所示: // We
当用户单击提交按钮时,我希望提交表单。然而,就在这种情况发生之前,我希望弹出一个窗口并让他们填写一些数据。一旦他们执行此操作并关闭该子窗口,我希望发出 POST 请求。 这可能吗?如果可能的话如何?我
像 Facebook 这样的网站使用“延迟”加载 js。当你必须考虑到我有一台服务器,流量很大时。 我很感兴趣 - 哪一个更好? 当我一次执行更多 HTTP 请求时 - 页面加载速度较慢(由于限制(一
Servlet 容器是否创建 ServletRequest 和 Response 对象或 Http 对象?如果是ServletRequest,谁在调用服务方法之前将其转换为HttpServletReq
这是维基百科文章的摘录: In contrast to the GET request method where only a URL and headers are sent to the serv
我有一个循环,每次循环时都会发出 HTTP post 请求。 for(let i = 1; i console.log("succes at " + i), error => con
我是一名优秀的程序员,十分优秀!