Scrapy问题
来源:互联网 发布:金针软件下载 编辑:程序博客网 时间:2024/06/04 18:47
1. rules规则
start_urls = [' ']rules = [Rule(SgmlLinkExtractor(allow=[r' ']), callback=' ', follow=True)]
其中callback一般不使用parse,因为parse是默认的,如果用parse的话,会导致重写.
rules规则是指在start_urls下所有的链接中符合allow规则的,进行搜索
2. 递归调用网址
newsurl = ' '+b.xpath('.//a/@href').extract()[0].encode('utf-8') yield Request (url=newsurl, callback=self.parse_item)
其中需要注意要将list编码成url字符串,然后进行拼接,然后通过引入进行操作.
from scrapy.http import Request
3. 编码问题
当Item在Spider中被收集之后,它将会被传递到Item Pipeline,一些组件会按照一定的顺序执行对Item的处理。
pipelines应用:
清理HTML数据
验证爬取的数据(检查item包含某些字段)
查重(并丢弃)
将爬取结果保存到数据库中
通过使用pipelines进行操作,参考网址:
http://git.oschina.net/ldshuang/imax-spider/commit/1d05d7bafdf7758f7b422cc1133abf493bf55086#diff-1
http://www.addbook.cn/blog/scrapy%E4%B8%AD%E6%96%87%E7%BC%96%E7%A0%81%E9%97%AE%E9%A2%98
0 0
- Scrapy问题
- scrapy安装问题
- Scrapy 安装问题集锦
- Scrapy安装问题
- 安装scrapy遇到问题
- 安装scrapy各种问题
- scrapy下载图片问题
- 安装Scrapy问题
- python -- scrapy 问题小结
- scrapy爬虫运行问题
- Scrapy 安装问题详解
- scrapy安装问题UnicodeDecodeError
- Scrapy 运行 Tutorial 问题
- Scrapy解决模拟登录问题
- Scrapy安装过程问题总结
- win10 Scrapy遇到的问题
- 安装Scrapy出现的问题
- scrapy框架的一些问题
- 我所理解的设计模式(C++实现)——建造者模式(Builder Pattern)
- MultiByteToWideChar 与 WideCharToMultiByte 准确理解
- 我所理解的设计模式(C++实现)——抽象工厂模式(Abstract Factory Pattern)
- 6174问题和字母重排问题
- STM32F103学习笔记(七) 定时器中断 (更新中断)
- Scrapy问题
- 我所理解的设计模式(C++实现)——工厂方法模式(Factory Method Pattern)
- 我所理解的设计模式(C++实现)——单例模式(Singleton Pattern)
- iOS地图位置开发
- 我所理解的设计模式(C++实现)——桥模式(Bridge Pattern)
- Android Animations知识点
- 嵌入式linux内核和根文件系统
- 【学习笔记+实践】简单的导航条菜单制作
- HTML