Bob*_*otz 4 python request scrapy
我的scrapy代码不起作用,我不知道!我想抓住Ikea网站,我首先设计了一个CrawlSpider,它不够具体,无法检索网页的每个链接.所以我设计了一个带有yield请求方法的基本Spider.
这是我的代码:
class IkeaSpider(scrapy.Spider) :
name = "Ikea"
allower_domains = ["http://www.ikea.com/"]
start_urls = ["http://www.ikea.com/fr/fr/catalog/productsaz/8/"]
def parse_url(self, response):
for sel in response.xpath('//div[@id="productsAzLeft"]'):
base_url = 'http://www.ikea.com/'
follow_url = sel.xpath('//span[@class="productsAzLink"]/@href').extract()
complete_url = urlparse.urljoin(base_url, follow_url)
request = Request(complete_url, callback = self.parse_page)
yield request
def parse_page(self, response):
Run Code Online (Sandbox Code Playgroud)
这是错误日志:
2016-01-04 22:06:31 [scrapy] ERROR: Spider error processing <GET http://www.ikea.com/fr/fr/catalog/productsaz/8/> (referer: None)
Traceback (most recent call last):
File "/usr/local/lib/python2.7/dist-packages/twisted/internet/defer.py", line 588, in _runCallbacks
current.result = callback(current.result, *args, **kw)
File "/usr/local/lib/python2.7/dist-packages/scrapy/spiders/__init__.py", line 76, in parse
raise NotImplementedError
NotImplementedError
Run Code Online (Sandbox Code Playgroud)
你的蜘蛛需要一个parse方法,它是所有初始请求的默认回调.您可以将parse_url方法重命名为parse,它将正常工作.
class IkeaSpider(scrapy.Spider) :
name = "Ikea"
allower_domains = ["http://www.ikea.com/"]
start_urls = ["http://www.ikea.com/fr/fr/catalog/productsaz/8/"]
def parse(self, response):
for sel in response.xpath('//div[@id="productsAzLeft"]'):
base_url = 'http://www.ikea.com/'
follow_url = sel.xpath('//span[@class="productsAzLink"]/@href').extract()
complete_url = urlparse.urljoin(base_url, follow_url)
request = Request(complete_url, callback = self.parse_page)
yield request
Run Code Online (Sandbox Code Playgroud)
您也可以使用定义的参数手动定义start_requests方法和产量scrapy.Requests,callback就像您在此处所做的那样.
| 归档时间: |
|
| 查看次数: |
5496 次 |
| 最近记录: |