小编Bus*_*cio的帖子

如何在Scrapy中按所需顺序或同步进行爬网?

问题

我正在尝试创建一个蜘蛛,从商店中抓取并抓取每个产品并将结果输出到JSON文件,其中包括进入主页的每个类别以及抓取每个产品(名称和价格),每个产品类别页面包括无限滚动。

我的问题是,每次我在刮擦一类物品的第一页后发出请求时,不是从相同类型的物品中获取下一批物品,而是从下一个类别中获得物品,并且输出最终变得一团糟。

我已经尝试过的

我已经尝试过弄乱设置,将并发请求强制为一个,并为每个请求设置不同的优先级。

我发现了有关异步爬网的信息,但是我不知道如何按顺序创建请求。

import scrapy
from scrapper_pccom.items import ScrapperPccomItem

class PccomSpider(scrapy.Spider):
    name = 'pccom'
    allowed_domains = ['pccomponentes.com']
    start_urls = ['https://www.pccomponentes.com/componentes']

    #Scrapes links for every category from main page
    def parse(self, response):
        categories = response.xpath('//a[contains(@class,"enlace-secundario")]/@href')
        prio = 20
        for category in categories:
            url = response.urljoin(category.extract())
            yield scrapy.Request(url, self.parse_item_list, priority=prio, cb_kwargs={'prio': prio})
            prio = prio - 1

    #Scrapes products from every page of each category      
    def parse_item_list(self, response, prio):

        products = response.xpath('//article[contains(@class,"tarjeta-articulo")]')
        for product in products:
            item = …
Run Code Online (Sandbox Code Playgroud)

python scrapy

5
推荐指数
1
解决办法
67
查看次数

标签 统计

python ×1

scrapy ×1