scrapy - 相对URL到绝对URL Scrapy

Question

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，但是我陷入了困境。有什么建议吗？

class ExampleSpider(scrapy.Spider):
    name = "example"
    allowed_domains = ["example.com"]
    start_urls = [
        "http://www.example.com/billboard",
        "http://www.example.com/billboard?page=1"
    ]

def parse(self, response):
    image_urls = response.xpath('//div[@class="content"]/section[2]/div[2]/div/div/div/a/article/img/@src').extract()
    relative_url = response.xpath(u'''//div[contains(concat(" ", normalize-space(@class), " "), " content ")]/a/@href''').extract()

    for image_url, url in zip(image_urls, absolute_urls):
        item = ExampleItem()
        item['image_urls'] = image_urls

    request = Request(url, callback=self.parse_dir_contents)
    request.meta['item'] = item
    yield request

Answer 1

主要有以下三种方法可以实现：


使用urljoin中的urllib函数：

from urllib.parse import urljoin
# Same as: from w3lib.url import urljoin

url = urljoin(base_url, relative_url)

使用响应的 urljoin包装器方法，如 Steve所述。

url = response.urljoin(relative_url)

如果您还想通过该链接产生请求，则可以使用少数响应的 follow方法：

# It will create a new request using the above "urljoin" method
yield response.follow(relative_url, callback=self.parse)