- 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?
我正在尝试学习 scrapy 和 python。我使用的网址是 https://www.riddles.com/jokes-and-riddles在 conda 控制台中,response.css 工作正常并提取“Riddle”单词。但是,当尝试在 Visual Studio 中运行 spy 程序时,它会加载所有内容并运行,但不会导出任何数据。
蜘蛛
import scrapy
from ..items import BookItem
class BookSpiderSpider(scrapy.Spider):
name = "book_spider"
start_urls = (
'https://www.riddles.com/jokes-and-riddles',
)
def parse(self, response) :
items = BookItem()
title_name = response.css('span.hidden-print::text').extract()
items['title_name'] = title_name
yield items
项目
import scrapy
class BookItem(scrapy.Item):
title_name = scrapy.Field()
pass
控制台
(scraper) C:\Users\Naked\tutorial\book\book>scrapy crawl book_spider
2019-05-02 14:07:04 [scrapy] INFO: Scrapy 1.1.1 started (bot: book)
2019-05-02 14:07:04 [scrapy] INFO: Overridden settings: {'NEWSPIDER_MODULE': 'book.spiders',
'ROBOTSTXT_OBEY': True, 'SPIDER_MODULES': ['book.spiders'], 'BOT_NAME': 'book'}
2019-05-02 14:07:05 [scrapy] INFO: Enabled extensions:
['scrapy.extensions.telnet.TelnetConsole',
'scrapy.extensions.logstats.LogStats',
'scrapy.extensions.corestats.CoreStats']
2019-05-02 14:07:05 [scrapy] INFO: Enabled downloader middlewares:
['scrapy.downloadermiddlewares.robotstxt.RobotsTxtMiddleware',
'scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware',
'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware',
'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware',
'scrapy.downloadermiddlewares.retry.RetryMiddleware',
'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware',
'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware',
'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware',
'scrapy.downloadermiddlewares.redirect.RedirectMiddleware',
'scrapy.downloadermiddlewares.cookies.CookiesMiddleware',
'scrapy.downloadermiddlewares.chunked.ChunkedTransferMiddleware',
'scrapy.downloadermiddlewares.stats.DownloaderStats']
2019-05-02 14:07:05 [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']
2019-05-02 14:07:05 [scrapy] INFO: Enabled item pipelines:
[]
2019-05-02 14:07:05 [scrapy] INFO: Spider opened
2019-05-02 14:07:05 [scrapy] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2019-05-02 14:07:05 [scrapy] DEBUG: Telnet console listening on 127.0.0.1:6024
2019-05-02 14:07:06 [scrapy] DEBUG: Crawled (200) <GET https://www.riddles.com/robots.txt> (referer: None)
2019-05-02 14:07:07 [scrapy] DEBUG: Crawled (200) <GET https://www.riddles.com/jokes-and-riddles> (referer: None)
2019-05-02 14:07:07 [scrapy] ERROR: Spider error processing <GET https://www.riddles.com/jokes-and-riddles> (referer: None)
Traceback (most recent call last):
File "C:\Users\Naked\Anaconda3\envs\scraper\lib\site-packages\twisted\internet\defer.py",
line 651, in _runCallbacks
current.result = callback(current.result, *args, **kw)
File "C:\Users\Naked\Anaconda3\envs\scraper\lib\site-packages\scrapy\spiders\__init__.py", line 76, in parse
raise NotImplementedError
NotImplementedError
2019-05-02 14:07:07 [scrapy] INFO: Closing spider (finished)
2019-05-02 14:07:07 [scrapy] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 453,
'downloader/request_count': 2,
'downloader/request_method_count/GET': 2,
'downloader/response_bytes': 32139,
'downloader/response_count': 2,
'downloader/response_status_count/200': 2,
'finish_reason': 'finished',
'finish_time': datetime.datetime(2019, 5, 2, 11, 7, 7, 302220),
'log_count/DEBUG': 3,
'log_count/ERROR': 1,
'log_count/INFO': 7,
'response_received_count': 2,
'scheduler/dequeued': 1,
'scheduler/dequeued/memory': 1,
'scheduler/enqueued': 1,
'scheduler/enqueued/memory': 1,
'spider_exceptions/NotImplementedError': 1,
'start_time': datetime.datetime(2019, 5, 2, 11, 7, 5, 824498)}
2019-05-02 14:07:07 [scrapy] INFO: Spider closed (finished)
抱歉,代码太多,只是想解释一切。
最佳答案
您确定粘贴在这里的蜘蛛代码缩进良好吗?因为如果不是,那就是你的错误所在。
Python 使用缩进来分隔类或函数的范围,在您的代码中,parse
方法超出了类蜘蛛的范围。
如果您熟悉其他语言,则相当于执行以下操作:
class Example {
}
function parse {
}
而不是
class Example {
function parse {
}
}
如果您看到 ERROR
日志,您可以了解发生了什么:
File"C:\Users\Naked\Anaconda3\envs\scraper\lib\site-packages\scrapy\spiders_init_.py",line 76, in parse
raise NotImplementedError
这不是最好的错误消息,因为它指向项目外部的文件,但会给您一个提示。
所以解决方案是像这样缩进代码:
class BookSpiderSpider(scrapy.Spider):
name = "book_spider"
start_urls = (
'https://www.riddles.com/jokes-and-riddles',
)
def parse(self, response) :
items = BookItem()
title_name = response.css('span.hidden-print::text').extract()
items['title_name'] = title_name
yield items
关于python - 控制台不导出任何抓取的数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55951291/
如本answer所述,如果浏览器不支持 e,可以设置后备游标。 G。 光标:抓取;。我现在的问题是获取这些图像。在我的驱动器上本地搜索“.cur”只给了我系统光标,其中 grab.cur 和 grab
以下代码在计算机上运行以从 Instagram 帐户中抓取数据。当我尝试在 VPS 服务器上使用它时,我被重定向到 Instagram 登录页面,因此脚本不起作用。 为什么当我在电脑上或服务器上时,I
我在使用 Ruby 和 Mechanize 将 POST 查询传递到站点的网站上。访问站点的查询基于 firebug,如下所示 param.PrdNo=-1¶m.Type=Prop¶m
我正在尝试抓取一个具有多个页面结果的网站,例如“1、2、3、4、5...”。 每个分页号都是到另一个页面的链接,我需要抓取每个页面。 到目前为止,我想出了这个: while lien = page.l
我正在使用 HtmlAgilityPack 在 C# Asp.Net 中执行 Scraping,到目前为止,我在从多个 Web 执行 Scratch 时没有遇到问题,但是,尝试弹出以下代码时出现错误
如果我有一个 css 文件做这样的事情 #foo:after{content:"bar;} ,有没有办法用 javascript 获取 :after 的内容?获取父元素的内容只返回 #foo 元素的内
问题是这样的: 我有一个 Web 应用程序 - 一个经常更改的通知系统 - 在一系列本地计算机上运行。该应用程序每隔几秒刷新一次以显示新信息。计算机仅显示信息,没有键盘或任何输入设备。 问题是,如果与
我想制作一个程序来模拟用户浏览网站和点击链接。必须启用 Cookie 和 javascript。我已经在 python 中成功地做到了这一点,但我想把它写成一种可编译的语言(python ide 不会
我制作了这个小机器人,它通过搜索参数列表进行处理。它工作正常,直到页面上有几个结果: product_prices_euros 给出了一半为空的项目列表。因此,当我与 product_prices_c
我需要找到一个单词的匹配项,例如: 在网上找到所有单词“学习”https://www.georgetown.edu/(结果:4个字)(您可以看到它按CTRL + F并搜索) 我有我的 Python 代
有一个站点\资源提供一些一般统计信息以及搜索工具的界面。这种搜索操作成本高昂,因此我想限制频繁且连续(即自动)的搜索请求(来自人,而不是来自搜索引擎)。 我相信有很多现有的技术和框架可以执行一些情报抓
这并不是真正的抓取,我只是想在网页中找到类具有特定值的 URL。例如: 我想获取 href 值。关于如何做到这一点的任何想法?也许正则表达式?你能发布一些示例代码吗?我猜 html 抓取库,比如 B
我正在使用 scrapy。 我正在使用的网站具有无限滚动功能。 该网站有很多帖子,但我只抓取了 13 个。 如何抓取剩余的帖子? 这是我的代码: class exampleSpider(scrapy.
我正在尝试从这个 website 中抓取图像和新闻 url .我定义的标签是 root_tag=["div", {"class":"ngp_col ngp_col-bottom-gutter-2 ng
关闭。这个问题需要更多focused .它目前不接受答案。 想改进这个问题吗? 更新问题,使其只关注一个问题 editing this post . 关闭上个月。 Improve this ques
我在几个文件夹中有数千个 html 文件,我想从评论中提取数据并将其放入 csv 文件中。这将允许我为项目格式化和清理它。例如,我在这个文件夹中有 640 个 html 文件: D:\My Web S
我在编写用于抓取网页的实用程序时遇到了一个问题。 我正在发送 POST 请求来检索数据,我模仿我正在抓取的网络行为(根据使用 fiddler 收集的信息)。 我已经能够自动替换我的 POST 中除 V
对于 Googlebot 的 AJAX 抓取,我在我的网站中使用“_escaped_fragment_”参数。 现在我查看了 Yandex 对我网站的搜索结果。 我看到搜索结果中不存在 AJAX 响应
我正在尝试抓取网站的所有结果页面,它可以工作,但有时脚本会停止并显示此错误: 502 => Net::HTTPBadGateway for https://website.com/id/12/ --
我是一个学习网络爬虫的初学者,由于某种原因我无法爬网this地点。当我在 Chrome 中检查它时,代码看起来不错,但是当我用 BeautifulSoup 阅读它时,它不再是可刮的。汤提到“谷歌分析”
我是一名优秀的程序员,十分优秀!