对不起，我是python和scrapy的新手，试图通过反复试验来学习它们。
关于SgmlLinkExtractor，我看到每个人（至少在这个网站上）都非常精通找到正确的代码来代表正确的路径，在哪里/我该如何学习？
例如(allow=[r'page/\d+'])或allow=[r'series-\d{1}-episode-\d{2}.']等等。
我正在尝试删除其内容始终位于story.html的网站，链接格式如下：
http://www.example.com/folder/category/description/1234567/story.html
* note 1234567是一个更改的7位数字
我的开始网址为http://www.example.com/folder/
我正在尝试使用SgmlLinkExtractor并按如下方式定义我的路径。我想要包括url的描述部分和7位数部分中的任何内容。我想确保网址以story.html结尾：
Rule(SgmlLinkExtractor(allow=(r'category1/././story\.html',)), callback='parse_item', follow=True)，
但显然/././不允许我跳过两个子级别来访问story.html
写这个SgmlLinkExtractor的正确方法是什么？
答案 0 :(得分：2)
试试这个
Rule(SgmlLinkExtractor(allow=(r'category1/description/\d+/story\.html',)), callback='parse_item', follow=True)
但我建议您仅使用/description/\d+/story\.html此部件，因为它的独特性足以抓取类别
在规则中我们传递了正则表达式，所以您只需要学习regex，就有大量online regex tester工具可供使用