Scrapy start_urls在文本文件中

时间:2014-04-09 10:43:34

标签: python scrapy web-crawler

我尝试抓取网址并检索每个网址的 h1 。该URL存储在文本文件中。代码是:

class MySpider(CrawlSpider):
    name = "sitemaplocation"
    allowed_domains = ["xyz.nl"]
    f = open("locationlist.txt",'r')
    start_urls = [url.strip() for url in f.readlines()]
    f.close()


def parse(self, response):
    sel = Selector(response)

    title= sel.xpath("//h1[@class='no-bd']/text()").extract()
    print title

代码遍历网站但不打印任何内容。任何帮助都会有用。

2 个答案:

答案 0 :(得分:1)

尝试放置此内容:

name = "sitemaplocation"
allowed_domains = ["xyz.nl"]
f = open("locationlist.txt",'r')
start_urls = [url.strip() for url in f.readlines()]
f.close()

__init__
MySpider类中的

方法。

还有你在哪里调用解析函数?

答案 1 :(得分:0)

尝试从Spider而不是CrawlSpider继承您的蜘蛛:

  

编写爬网蜘蛛规则时,请避免使用parse作为回调   CrawlSpider使用parse方法本身来实现其逻辑。   因此,如果您覆盖解析方法,则爬行蜘蛛将不再存在   工作