- 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?
我有一个使用 scrapy 为我编码的网络抓取工具。
我希望从抓取工具抓取的网站中添加一个额外的字段。
列标题“Description”已在 CSV 数据库中创建,但未抓取任何内容。
# -*- coding: utf-8 -*-
import scrapy
from pydispatch import dispatcher
from scrapy.signalmanager import SignalManager
import csv,re
from scrapy import signals
class Rapid7(scrapy.Spider):
name = 'vulns'
allowed_domains = ['rapid7.com']
main_url = 'https://www.rapid7.com/db/?q=&type=nexpose&page={}'
#start_urls = ['https://www.rapid7.com/db/vulnerabilities']
keys = ['Published','CVEID', 'Added', 'Modified', 'Related', 'Severity', 'CVSS', 'Created', 'Solution', 'References', 'Description', 'URL']
def __init__(self):
SignalManager(dispatcher.Any).connect(receiver=self._close, signal=signals.spider_closed)
def start_requests(self):
for i in range(1,10):
url = self.main_url.format(i)
yield scrapy.Request(url,callback=self.parse)
def parse(self, response):
flag = True
temp = response.xpath('//div[@class="vulndb__intro-content"]/p/text()').extract_first()
if temp:
if temp.strip()=='An error occurred.':
flag= False
temp = [i for i in response.xpath('//*[@class="results-info"]/parent::div/p/text()').extract()if i.strip()]
if len(temp)==1:
flag= False
if flag:
for article in response.xpath('//*[@class="vulndb__results"]/a/@href').extract():
yield scrapy.Request(response.urljoin(article), callback=self.parse_article, dont_filter=True)
def parse_article(self,response):
item=dict()
item['Published'] = item['Added'] = item['Modified'] = item['Related'] = item['Severity'] = item['Description'] =''
r=response.xpath('//h1[text()="Related Vulnerabilities"]/..//a/@href').extract()
temp = response.xpath('//meta[@property="og:title"]/@content').extract_first()
item['CVEID'] = ''
try:
temp2 = re.search('(CVE-.*-\d*)',temp).groups()[0]
if ":" in temp2:
raise KeyError
except:
try:
temp2 = re.search('(CVE-.*):',temp).groups()[0]
except:
temp2 = ''
if temp2:
item['CVEID'] = temp2.replace(': Important',"").replace(')','')
table = response.xpath('//section[@class="tableblock"]/div')
for row in table:
header = row.xpath('header/text()').extract_first()
data = row.xpath('div/text()').extract_first()
item[header]=data
temp = [i for i in response.xpath('//div[@class="vulndb__related-content"]//text()').extract() if i.strip()]
for ind,i in enumerate(temp):
if "CVE" in i:
temp[ind] = i.replace(' ','')
item['Related']= ", ".join(temp) if temp else ""
temp2= [i for i in response.xpath('//h4[text()="Solution(s)"]/parent::*/ul/li/text()').extract() if i.strip()]
item['Solution'] =", ".join(temp2) if temp2 else ''
temp3 = [i for i in response.xpath('//h4[text()="References"]/parent::*/ul/li/text()').extract() if i.strip()]
item['References'] = ", ".join(temp3) if temp3 else ''
temp4 = [i for i in response.xpath('//h4[text()="Description"]/parent::*/ul/li/text()').extract() if i.strip()]
item['Description'] = ", ".join(temp4) if temp4 else ''
item['URL'] = response.request.url
new_item=dict()
for key in self.keys:
if key not in list(item.keys()):
new_item[key] = ''
else:
new_item[key]=item[key]
yield new_item
def _close(self):
print("Done Scraping")
谢谢
“看来您的帖子主要是代码;请添加更多详细信息。”对不起。 :(“看来您的帖子主要是代码;请添加更多详细信息。”对不起。 :(
最佳答案
尝试替换您的 temp4
:
temp4 = [i for i in response.xpath('//h4[text()="Description"]/parent::*/ul/li/text()').extract() if i.strip()]
关于:
temp4 = [i for i in response.xpath('//h4[text()="Description"]/parent::*/p/text()').extract() if i.strip()]
在 <h4>Description</h4>
你还没有<ul><li>
标签,仅 <p>
关于python - 抓取刀不抓取字段 "Description",我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59127552/
在有些场景下,我们需要对我们的varchar类型的字段做修改,而修改的结果为两个字段的拼接或者一个字段+字符串的拼接。 如下所示,我们希望将xx_role表中的name修改为name+id。
SELECT incMonth as Month, SUM( IF(item_type IN('typ1', 'typ2') AND incMonth = Month, 1, 0 ) )AS
我最近读到 volatile 字段是线程安全的,因为 When we use volatile keyword with a variable, all the threads read its va
我在一些模型中添加了一个 UUID 字段,然后使用 South 进行了迁移。我创建的任何新对象都正确填充了 UUID 字段。但是,我所有旧数据的 UUID 字段为空。 有没有办法为现有数据填充 UUI
刚刚将我的网站从 mysql_ 更新为 mysqli,并破坏了之前正常运行的查询。 我试图从旋转中提取 id,因为它每次都会增加 1,但我不断获取玩家 id,有人可以告诉我我做错了什么吗?我尝试了将
我在 Mac OS X 上使用带有 Sequel Pro 的 MySQL。我想将一个表中的一个字段(即名为“GAME_DY”的列)复制到另一个名为“DAY_ID”的表的空字段中。两个表都是同一数据库的
问题: 是否有可能有一个字段被 JPA 保留但被序列化跳过? 可以实现相反的效果(JPA 跳过字段而序列化则不会),如果使用此功能,那么相反的操作肯定会很有用。 类似这样的事情: @Entity cl
假设我有一个名为“dp”的表 Year | Month | Payment| Payer_ID | Payment_Recipient | 2008/2009 | July
我将尝试通过我的 Raspberry Pi 接入点保证一些 QoS。 开始之前,我先动手:我阅读了有关 tcp、udp 和 ip header 的内容。在IP header description我看
如果你能弄清楚如何重命名这个问题,我愿意接受建议。 在 Dart 语言中,可以编写一个带有 final 字段的类。这些是只能设置的字段构造函数前 body 跑。这可以在声明中(通常用于类中的静态常量)
你怎么样? 我有两个带有两个字段的日期选择器 我希望当用户选择 (From) 时,第二个字段 (TO) 将是 next day 。比如 booking.com 例如:当用户选择From 01-01-2
我想我已经看到了这个问题的一些答案,这些答案可能与我需要的相差不远,但我对 mysql 的了解还不够确定,所以我会根据我的具体情况提出问题。 我有一个包含多个表的数据库,为此,如果“image”表上的
我在 mySQL 数据库中有 2 个表: customers ============ customer_id (1, 2 ) customer_name (john, mark) orders ==
我正在开发一个员工目标 Web 应用程序。 领导/经理在与团队成员讨论后为他们设定目标。这是一年/半年/季度,具体取决于组织遵循的评估周期。 现在的问题是添加基于时间段的字段或存档上一季度/年度数据的
我正在寻找允许内容编辑器从媒体库中选择多个文件的东西,这些文件将在渲染中列出。他们还需要能够上传文件和搜索。它必须在页面编辑器(版本 8 中称为体验编辑器)中工作。 到目前为止我所考虑的: 一堆文件字
现在,我有以下由 original.df %.% group_by(Category) %.% tally() %.% arrange(desc(n)) 创建的 data.frame。 DF 5),
我想知道是否有一些步骤/解决方案可以处理错误消息并将它们放入 Pentaho 工具中的某个字符串或字段中?例如,如果连接到数据库时发生某些错误,则将该消息从登录到字符串/字段。 最佳答案 我们在作业的
如何制作像短信应用程序一样的“收件人”字段?例如,右侧有一个“+”按钮,当添加某人时,名称将突出显示并可单击,如圆角矩形等。有没有内置的框架? 最佳答案 不,但请参阅 Three20 的 TTMess
是否可以获取记录的元素或字段的列表 通过类型信息类似于类的已发布属性的列表吗? 谢谢 ! 最佳答案 取决于您的delphi版本,如果您使用的是delphi 2010或更高版本,则可以使用“新rtti”
我正在构建一个 SQLite 数据库来保存我的房地产经纪人的列表。我已经能够使用外键来识别每个代理的列表,但我想在每个代理的记录中创建一个列表;从代理商和列表之间的一对一关系转变为一对多关系。 看这里
我是一名优秀的程序员,十分优秀!