Question

如何使用Scrapy来抓取返回JSON的Web请求？例如，JSON看起来像这样：

{
    "firstName": "John",
    "lastName": "Smith",
    "age": 25,
    "address": {
        "streetAddress": "21 2nd Street",
        "city": "New York",
        "state": "NY",
        "postalCode": "10021"
    },
    "phoneNumber": [
        {
            "type": "home",
            "number": "212 555-1234"
        },
        {
            "type": "fax",
            "number": "646 555-4567"
        }
    ]
}

我希望抓取特定项目（例如上面的name和fax）并保存到csv。

Answer 1

与使用Scrapy的HtmlXPathSelector进行HTML回复相同。唯一的区别是您应该使用json模块来解析响应：

class MySpider(BaseSpider):
    ...


    def parse(self, response):
         jsonresponse = json.loads(response.body_as_unicode())

         item = MyItem()
         item["firstName"] = jsonresponse["firstName"]             

         return item

希望有所帮助。

Answer 2

不需要使用json模块来解析响应对象。

class MySpider(BaseSpider):
...


def parse(self, response):
     jsonresponse = response.json()

     item = MyItem()
     item["firstName"] = jsonresponse.get("firstName", "")           

     return item

Answer 3

JSON未加载的可能原因是它之前和之后都有单引号。试试这个：

json.loads(response.body_as_unicode().replace("'", '"'))

使用Scrapy刮擦JSON响应

3 个答案: