Question

我有Scrapy（版本1.0.3）蜘蛛，其中我从网页中提取了一些数据，我也下载了文件，就像这样（简化）：

def extract_data(self, response):
    title = response.xpath('//html/head/title/text()').extract()[0].strip()
    my_item = MyItem()
    my_item['title'] = title    

    file_url = response.xpath('...get url of file...')
    file_urls = [file_url]  # here there can be more urls, so I'm storing like a list
    fi = FileItem()
    fi['file_urls'] = file_urls 
    yield my_item
    yield fi

在pipelines.py中的

我只是覆盖FilePipeline来更改文件的名称：

from scrapy.pipelines.files import FilesPipeline

class CustomFilesPipeline(FilesPipeline):
    def file_path(self, request, response=None, info=None):
        filename = format_filename(request.url)
        return filename

在items.py中

我有：

class MyItem(scrapy.Item):
    title = scrapy.Field()

class FileItem(scrapy.Item):
    file_urls = scrapy.Field()
    files = scrapy.Field()

在settings.py中的

我有：

ITEM_PIPELINES = {
    'myscraping.pipelines.CustomFilesPipeline': 100
}

现在输出csv文件我得到这样的东西：

title1
title2
,
,
title3
etc.

看起来空行（只有逗号）代表下载文件，我想知道或得到如何防止这些行在输出csv文件中的建议。（文件保存到文件夹中）在Scrapy设置中，我发现了FEED_STORE_EMPTY（默认为false，即它不应导出空的Feed），但这与我猜的文件无关。
我觉得这必须与管道有关，但我无法弄清楚如何做到这一点任何帮助将不胜感激

Answer 1

我在这里粘贴答案：

def extract_data(self, response):
    title = response.xpath('//html/head/title/text()').extract()[0].strip()
    my_item = MyItem()
    my_item['title'] = title    
    file_url = response.xpath('...get url of file...')
    my_item['file_urls'] = [file_url]
    yield my_item

保存已删除的项目和文件时，Scrapy会在输出csv文件中插入空行

1 个答案: