- 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?
所以我的蜘蛛似乎不会抓取start_page之外的任何链接,我有这个代码
for link in response.css('#ContentPlaceHolder1_divNewsContent a::attr(href)').extract():
yield scrapy.Request(response.urljoin(link), callback=self.parse)
编辑:我删除了有关unicode的部分,结果发现它与unicode无关,链接肯定会被获取(我通过在产生请求之前添加打印语句进行检查)并且可以很好地请求它们,但在蜘蛛中,scrapy 似乎根本不请求链接。
这是一个示例输出,您可以在日志中看到很多网址,但除了我提供的起始链接之外,没有任何内容被抓取。
2016-11-17 21:39:18 [scrapy] INFO: Scrapy 1.2.1 started (bot: newspapersScraping)
2016-11-17 21:39:18 [scrapy] INFO: Overridden settings: {'NEWSPIDER_MODULE': 'newspapersScraping.spiders', 'SPIDER_MODULES': ['newspapersScraping.spiders'], 'DEPTH_LIMIT': 1, 'BOT_NAME': 'newspapersScraping'}
2016-11-17 21:39:18 [scrapy] INFO: Enabled extensions:
['scrapy.extensions.logstats.LogStats',
'scrapy.extensions.telnet.TelnetConsole',
'scrapy.extensions.corestats.CoreStats']
2016-11-17 21:39:18 [py.warnings] WARNING: /usr/local/lib/python2.7/dist-packages/scrapy/utils/deprecate.py:156: ScrapyDeprecationWarning: `scrapy.contrib.downloadermiddleware.useragent.UserAgentMiddleware` class is deprecated, use `scrapy.downloadermiddlewares.useragent.UserAgentMiddleware` instead
ScrapyDeprecationWarning)
2016-11-17 21:39:18 [py.warnings] WARNING: /home/starstuff/Development/newspapersScraping/newspapersScraping/comm/rotate_useragent.py:5: ScrapyDeprecationWarning: Module `scrapy.contrib.downloadermiddleware.useragent` is deprecated, use `scrapy.downloadermiddlewares.useragent` instead
from scrapy.contrib.downloadermiddleware.useragent import UserAgentMiddleware
2016-11-17 21:39:18 [scrapy] INFO: Enabled downloader middlewares:
['scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware',
'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware',
'newspapersScraping.comm.rotate_useragent.RotateUserAgentMiddleware',
'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware',
'scrapy.downloadermiddlewares.retry.RetryMiddleware',
'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware',
'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware',
'scrapy.downloadermiddlewares.redirect.RedirectMiddleware',
'scrapy.downloadermiddlewares.cookies.CookiesMiddleware',
'scrapy.downloadermiddlewares.chunked.ChunkedTransferMiddleware',
'scrapy.downloadermiddlewares.stats.DownloaderStats']
2016-11-17 21:39:18 [scrapy] INFO: Enabled spider middlewares:
['scrapy.spidermiddlewares.httperror.HttpErrorMiddleware',
'scrapy.spidermiddlewares.offsite.OffsiteMiddleware',
'scrapy.spidermiddlewares.referer.RefererMiddleware',
'scrapy.spidermiddlewares.urllength.UrlLengthMiddleware',
'scrapy.spidermiddlewares.depth.DepthMiddleware']
2016-11-17 21:39:18 [py.warnings] WARNING: /home/starstuff/Development/newspapersScraping/newspapersScraping/pipelines.py:3: ScrapyDeprecationWarning: Module `scrapy.log` has been deprecated, Scrapy now relies on the builtin Python library for logging. Read the updated logging entry in the documentation to learn more.
from scrapy import log
2016-11-17 21:39:18 [scrapy] INFO: Enabled item pipelines:
['newspapersScraping.pipelines.NewsAPIpipeline']
2016-11-17 21:39:18 [scrapy] INFO: Spider opened
2016-11-17 21:39:18 [scrapy] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2016-11-17 21:39:18 [scrapy] DEBUG: Telnet console listening on 127.0.0.1:6023
2016-11-17 21:39:20 [scrapy] DEBUG: Crawled (200) <GET http://www.ahram.org.eg/Category/202085/145/%D9%85%D8%AC%D9%84%D8%B3-%D8%A7%D9%84%D9%86%D9%88%D8%A7%D8%A8.aspx> (referer: None)
2016-11-17 21:39:20 [scrapy] DEBUG: Crawled (200) <GET http://www.ahram.org.eg/Category/202085/3/%D8%AA%D8%AD%D9%82%D9%8A%D9%82%D8%A7%D8%AA.aspx> (referer: None)
[My log] http://www.ahram.org.eg/News/202085/145/561506/مجلس-النواب/النواب-يقر-مواد-«الجمعيات-الأهلية»-ويرسله-إلى-مجلس.aspx
2016-11-17 21:39:20 [scrapy] DEBUG: Filtered offsite request to 'www.ahram.org.eg': <GET http://www.ahram.org.eg/News/202085/145/561506/%D9%85%D8%AC%D9%84%D8%B3-%D8%A7%D9%84%D9%86%D9%88%D8%A7%D8%A8/%D8%A7%D9%84%D9%86%D9%88%D8%A7%D8%A8-%D9%8A%D9%82%D8%B1-%D9%85%D9%88%D8%A7%D8%AF-%C2%AB%D8%A7%D9%84%D8%AC%D9%85%D8%B9%D9%8A%D8%A7%D8%AA-%D8%A7%D9%84%D8%A3%D9%87%D9%84%D9%8A%D8%A9%C2%BB-%D9%88%D9%8A%D8%B1%D8%B3%D9%84%D9%87-%D8%A5%D9%84%D9%89-%D9%85%D8%AC%D9%84%D8%B3.aspx>
[My log] http://www.ahram.org.eg/News/202085/145/561508/مجلس-النواب/العجاتى-قوانين-الصحافة-والإعلام-أمام-البرلمان-خلال.aspx
[My log] http://www.ahram.org.eg/News/202085/145/561510/مجلس-النواب/يحيى-راشد-السياحة-العربية-مستقبل-مصر-وخطة-لتنمية-ا.aspx
[My log] http://www.ahram.org.eg/News/202085/145/561517/مجلس-النواب/سحر-نصر--مليار-دولار-للمشروعات-الصغيرة-ونستهدف-الص.aspx
[My log] http://www.ahram.org.eg/News/202085/145/561515/مجلس-النواب/غياب-الوزير-أو-من-ينوب-عنه-يثير-الغضب-فى-لجنة-الصح.aspx
[My log] http://www.ahram.org.eg/News/202085/145/561513/مجلس-النواب/جلسة-استماع-لممثلى-المجتمع-المدنى-حول-قانون-الجمعي.aspx
[My log] http://www.ahram.org.eg/News/202085/145/561512/مجلس-النواب/قرطام--نص-الاستقالة-المتداول-حاليا-قديم.aspx
[My log] http://www.ahram.org.eg/News/202085/145/561520/مجلس-النواب/قبل-تقديمها-للرئاسةشباب-الأحزاب-يضعون-اللمسات-الأخ.aspx
[My log] http://www.ahram.org.eg/News/202085/145/561522/مجلس-النواب/سؤال-لوزير-الثقافة-حول-صندوق-تمويل-مشروعات-دار-الأ.aspx
[My log] http://www.ahram.org.eg/News/202085/145/561507/مجلس-النواب/بعد-الاعتذار-لعلاء-عبدالمنعم-على-اتهامه-بتزوير-الت.aspx
[My log] http://www.ahram.org.eg/News/202085/3/561573/تحقيقات/الاختنـاقـات-المـــرورية--حـــالة-مـزمنـــة.aspx
[My log] http://www.ahram.org.eg/News/202085/3/561571/تحقيقات/البحث-عــن-كيس-دم--رحلــة-عــذاب.aspx
2016-11-17 21:39:20 [scrapy] DEBUG: Crawled (200) <GET http://www.ahram.org.eg/Category/202085/16/%D8%A7%D9%84%D8%A7%D8%AE%D9%8A%D8%B1%D8%A9.aspx> (referer: None)
2016-11-17 21:39:20 [scrapy] DEBUG: Crawled (200) <GET http://www.ahram.org.eg/Category/202085/29/%D8%A7%D9%84%D9%85%D8%AD%D8%A7%D9%81%D8%B8%D8%A7%D8%AA.aspx> (referer: None)
[My log] http://www.ahram.org.eg/News/202085/16/561559/الاخيرة/روح-«الساحر»-تضىء-«القاهرة-السينمائى»جائزة-فاتن-حم.aspx
[My log] http://www.ahram.org.eg/News/202085/16/561561/الاخيرة/بدأ-اعدادها-عام-اليونسكو-يصدر-موسوعة-عن-الثقافة-ال.aspx
[My log] http://www.ahram.org.eg/News/202085/16/561564/الاخيرة/«القمر-العملاق»يصفى-الذهن-ويجدد-طاقة-الجسم.aspx
[My log] http://www.ahram.org.eg/News/202085/16/561566/الاخيرة/«كن-نفسك»-عرض-أزياء-لمصابى-متلازمة-داون.aspx
[My log] http://www.ahram.org.eg/News/202085/16/561556/الاخيرة/أخبار-الصباح.aspx
2016-11-17 21:39:20 [scrapy] DEBUG: Crawled (200) <GET http://www.ahram.org.eg/Category/202085/136/%D9%85%D8%AA%D8%A7%D8%A8%D8%B9%D8%A7%D8%AA.aspx> (referer: None)
[My log] http://www.ahram.org.eg/News/202085/29/561539/المحافظات/خلافات-بين-وزير-التنمية-المحلية-ومحافظ-البحيرة-بسب.aspx
[My log] http://www.ahram.org.eg/News/202085/29/561543/المحافظات/رغم-استقرار-حاله-الجو--«طوارئ-السيول»-مازالت-مستمر.aspx
[My log] http://www.ahram.org.eg/News/202085/29/561545/المحافظات/السبت-«إجازة-»-بمدارس-الفترة-الواحدة-بقنا.aspx
[My log] http://www.ahram.org.eg/News/202085/29/561537/المحافظات/احتفالية-باليوم-العالمى-للسكر-بالمنصورة.aspx
[My log] http://www.ahram.org.eg/News/202085/136/561525/متابعات/السيسى-يبحث-سبل-النهوض-بأوضاع-مدينة-الإسكندرية--مش.aspx
[My log] http://www.ahram.org.eg/News/202085/136/561527/متابعات/سرعة-تنمية-اكتشافات-الغاز-بشرق-المتوسطالرئيس-يوجه-.aspx
[My log] http://www.ahram.org.eg/News/202085/136/561529/متابعات/الإمام-الأكبر-خلال-استقباله-وفدا-نيجيرياتعاليم-الإ.aspx
[My log] http://www.ahram.org.eg/News/202085/136/561533/متابعات/القوات-المسلحة-تقوم-بعلاج-شباب-التجنيد-المصابين-بف.aspx
[My log] http://www.ahram.org.eg/News/202085/136/561535/متابعات/بروتوكول-للتدريب-على-تشغيل-البيوت-والصوب-الزراعية-.aspx
2016-11-17 21:39:21 [scrapy] DEBUG: Crawled (200) <GET http://www.ahram.org.eg/Category/202085/27/%D9%85%D8%B5%D8%B1.aspx> (referer: None)
[My log] http://www.ahram.org.eg/News/202085/27/561514/مصر/وزير-الإسكان-الانتهاء-من--آلاف-وحدة-من-المشروع-الا.aspx
[My log] http://www.ahram.org.eg/News/202085/27/561516/مصر/سعفان-لعمال-«الشوربجى»--تطوير-صناعة-الغزل-والنسيج-.aspx
[My log] http://www.ahram.org.eg/News/202085/27/561518/مصر/وزير-الرى-تطوير-منظومة-الرصد-والمراقبة-للسد-العالى.aspx
[My log] http://www.ahram.org.eg/News/202085/27/561519/مصر/خلال-جولة-تفقدية-للسيدة-والخليفةمحافظ-القاهرة-يشدد.aspx
[My log] http://www.ahram.org.eg/News/202085/27/561521/مصر/-زيادة-فى-صادرات-الخضر-والفاكهة-من-ميناء-الإسكندري.aspx
[My log] http://www.ahram.org.eg/News/202085/27/561523/مصر/بمناسبة-مرور--عاما-على-افتتاحهالمتحف-المصرى-يفتح-أ.aspx
[My log] http://www.ahram.org.eg/News/202085/27/561524/مصر/انطلاق-الحوار-المجتمعى-لتجديد-الخطاب-الدينى.aspx
[My log] http://www.ahram.org.eg/News/202085/27/561526/مصر/الهلالى--ضرورة-وضع-علم-مصر-فى-مكان-بارز-بالمدارس.aspx
[My log] http://www.ahram.org.eg/News/202085/27/561528/مصر/«مايا»-تتفقد-تجارب-ناجحة-لمشروعات-المرأة-فى-المنيا.aspx
[My log] http://www.ahram.org.eg/News/202085/27/561530/مصر/مناقشة-قوانين-الإعلام--فى-آداب-عين-شمس-غدا.aspx
[My log] http://www.ahram.org.eg/News/202085/27/561531/مصر/القضاء-الإدارى-تأجيل-دعوى-إلزام-وزير-الآثار-بفسخ-ع.aspx
[My log] http://www.ahram.org.eg/News/202085/27/561532/مصر/الرئيس-السيسى-يهنئ-فلسطين-بالعيد-الوطني.aspx
[My log] http://www.ahram.org.eg/News/202085/27/561534/مصر/مندوب-الرئيس-للتعزية.aspx
2016-11-17 21:39:21 [scrapy] INFO: Closing spider (finished)
2016-11-17 21:39:21 [scrapy] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 2219,
'downloader/request_count': 6,
'downloader/request_method_count/GET': 6,
'downloader/response_bytes': 495932,
'downloader/response_count': 6,
'downloader/response_status_count/200': 6,
'finish_reason': 'finished',
'finish_time': datetime.datetime(2016, 11, 18, 5, 39, 21, 136828),
'log_count/DEBUG': 8,
'log_count/INFO': 7,
'log_count/WARNING': 3,
'offsite/domains': 1,
'offsite/filtered': 39,
'request_depth_max': 1,
'response_received_count': 6,
'scheduler/dequeued': 6,
'scheduler/dequeued/memory': 6,
'scheduler/enqueued': 6,
'scheduler/enqueued/memory': 6,
'start_time': datetime.datetime(2016, 11, 18, 5, 39, 18, 923369)}
2016-11-17 21:39:21 [scrapy] INFO: Spider closed (finished)
最佳答案
Scrapy 会忽略 url,因为它们不在 allowed_domain
列表中。尝试写,例如:
class ArticleSpider(scrapy.Spider):
name = "ahram"
allowed_domains = ['ahram.org', 'www.ahram.org.eg']
...
在这种情况下,scrapy 抓取将遵循所需的链接。
关于python - Scrapy 不产生请求,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40622897/
在一个 scrapy 项目中,人们经常使用中间件。在交互式 session 期间是否也有一种通用方法可以在 scrapy shell 中启用中间件? 最佳答案 尽管如此,在 setting.py 中设
我想对网页中向下滚动生成的内容进行反向工程。问题出在url https://www.crowdfunder.com/user/following_page/80159?user_id=80159&li
我需要帮助将相对URL转换为Scrapy Spider中的绝对URL。 我需要将起始页面上的链接转换为绝对URL,以获取起始页面上已草稿的项目的图像。我尝试使用不同的方法来实现此目标失败,但是我陷入了
我在 Scrapy Python 中制作了一个脚本,它在几个月内一直运行良好(没有更改)。最近,当我在 Windows Powershell 中执行脚本时,它引发了下一个错误: scrapy craw
我已经从 docker 启动了 splash。我为 splash 和 scrapy 创建了大的 lua 脚本,然后它运行我看到了问题: Lua error: error in __gc metamet
我正在使用scrapy 来抓取网站,但发生了不好的事情(断电等)。 我想知道我怎样才能从它坏了的地方继续爬行。我不想从种子开始。 最佳答案 这可以通过将预定的请求持久化到磁盘来完成。 scrapy c
有人可以向我解释一下 Scrapy 中的暂停/恢复功能是如何实现的吗?作品? scrapy的版本我正在使用的是 0.24.5 documentation没有提供太多细节。 我有以下简单的蜘蛛: cla
我想将 apscheduler 与 scrapy.but 我的代码是错误的。 我应该如何修改它? settings = get_project_settings() configure_logging
我正在抓取一个网站并解析一些内容和图像,但即使对于 100 页左右的简单网站,完成这项工作也需要数小时。我正在使用以下设置。任何帮助将不胜感激。我已经看过这个问题- Scrapy 's Scrapyd
我正在抓取一个网站并解析一些内容和图像,但即使对于 100 页左右的简单网站,完成这项工作也需要数小时。我正在使用以下设置。任何帮助将不胜感激。我已经看过这个问题- Scrapy 's Scrapyd
我是爬行新手,想知道是否可以使用 Scrapy 逐步爬行网站,例如 CNBC.com?例如,如果今天我从一个站点抓取所有页面,那么从明天开始我只想收集新发布到该站点的页面,以避免抓取所有旧页面。 感谢
我是scrapy的新手。我正在尝试从 here 下载图像.我在关注 Official-Doc和 this article . 我的 settings.py 看起来像: BOT_NAME = 'shop
我在使用 scrapy 时遇到了一些问题。它没有返回任何结果。我试图将以下蜘蛛复制并粘贴到 scrapy shell 中,它确实有效。真的不确定问题出在哪里,但是当我用“scrapy crawl rx
如何使用 Scrapy 抓取多个 URL? 我是否被迫制作多个爬虫? class TravelSpider(BaseSpider): name = "speedy" allowed_d
当我使用splash渲染整个目标页面来爬取整个网站时出现问题。某些页面不是随机成功的,所以我错误地获取了支持渲染工作完成后出现的信息。这意味着我尽管我可以从其他渲染结果中获取全部信息,但仅从渲染结果中
如何使用 Scrapy 抓取多个 URL? 我是否被迫制作多个爬虫? class TravelSpider(BaseSpider): name = "speedy" allowed_d
我的scrapy程序无论如何只使用一个CPU内核CONCURRENT_REQUESTS我做。 scrapy中的某些方法是否可以在一个scrapy爬虫中使用所有cpu核心? ps:好像有争论max_pr
我最近用 python 和 Selenium 做了一个网络爬虫,我发现它做起来非常简单。该页面使用 ajax 调用来加载数据,最初我等待固定的 time_out 来加载页面。这工作了一段时间。之后,我
我想用这个命令运行 scrapy 服务器: scrapy server 它失败了,因为没有项目。然后我创建一个空项目来运行服务器,并成功部署另一个项目。但是,scrapy 服务器无法处理这个项目,并告
我正在创建一个网络应用程序,用于从不同网站抓取一长串鞋子。这是我的两个单独的 scrapy 脚本: http://store.nike.com/us/en_us/pw/mens-clearance-s
我是一名优秀的程序员,十分优秀!