我已经使用pip安装了scrapy并尝试了scrapy文档中的示例。
我收到错误cannot import name xmlrpc_client
查看stachoverflow问题后here 我已经使用
修复了它sudo pip uninstall scrapy
sudo pip install scrapy==0.24.2
但现在它显示了exceptions.AttributeError: 'HtmlResponse' object has no attribute 'urljoin'
这是我的代码:
import scrapy
class StackOverflowSpider(scrapy.Spider):
name = 'stackoverflow'
start_urls = ['https://stackoverflow.com/questions?sort=votes']
def parse(self, response):
for href in response.css('.question-summary h3 a::attr(href)'):
full_url = response.urljoin(href.extract())
yield scrapy.Request(full_url, callback=self.parse_question)
def parse_question(self, response):
yield {
'title': response.css('h1 a::text').extract()[0],
'votes': response.css('.question .vote-count-post::text').extract()[0],
'body': response.css('.question .post-text').extract()[0],
'tags': response.css('.question .post-tag::text').extract(),
'link': response.url,
}
任何人都可以帮助我!
答案 0 :(得分:6)
在Scrapy> = 0.24.2 中,HtmlResponse
类还没有urljoin()
方法。直接使用http://jsfiddle.net/b5jk1d6k/:
full_url = urlparse.urljoin(response.url, href.extract())
不要忘记导入它:
import urlparse
请注意,Scrapy 1.0中添加了urljoin()
别名/帮助程序,这是相关问题:
这是Add Response.urljoin() helper:
from six.moves.urllib.parse import urljoin
def urljoin(self, url):
"""Join this Response's url with a possible relative url to form an
absolute interpretation of the latter."""
return urljoin(self.url, url)
答案 1 :(得分:0)
您使用的示例代码是scrapy 1.0。由于您已将其降级为0.24,因此您需要使用urljoin
中的urlparse
:
full_url = urljoin(response.url, href.extract())
如果单击示例上方的“Scrapy 0.24(旧稳定版)”按钮,您将获得正在使用的scrapy版本的示例代码。