Question

好的，所以我必须完全编辑它。我有脚本部分工作，我可以毫无问题地启动它，这是脚本。粘贴链接位于：http://www.w3schools.com/tags/tag_ul.asp，您可以看到我在cmd行中获得的内容。我确定正在搜索的关键字是在那些链接中，因为我也尝试了其他单词，但它没有下载它们。

import scrapy

import requests
from scrapy.http import Request

import scrapy
from FinalSpider.items import Page  # Defined in items.py

URL = "http://url.com=%d"
starting_number = 60000
number_of_pages = 100
class FinalSpider(scrapy.Spider):
name = "FinalSpider"
allowed_domains = ['url.com']
start_urls = [URL % starting_number]

def __init__(self):
    self.page_number = starting_number
def start_request(self):
    # generate page IDs from 1000 down to 501
    for i in range (self.page_number, number_of_pages, -1):
        yield Request(url = URL % i, callback=self.parse)


def parse(self, response):
    for link in response.xpath('//a[text()="Amount"]/@href').extract():
        yield Page(url=link)

Answer 1

在这里你要问两件事，

如何提取一些元素？

您提供的 xpath response.xpath('//100.00()')是无效的xpath表达式。

如果您想在文本中找到包含某些子字符串的a标记，例如<a href="something"> 100.00 </a>，则正确的xpath将为'//a[contains(text(), "100.00")]'。请注意使用contains，如果您有完全文本，则可以使用'//a[text() == "100.00"]'。

你对找到的元素有什么看法？

在Scrapy中，习惯上创建一个Item类来保存您已经废弃的数据，逻辑结构由您定义的Field。

首先，您创建一个Item子类，其中包含url Field，并在您的蜘蛛中return或yield创建一个新实例Item将字段url设置为您在页面中找到的值。

把所有这些放在一起，

您必须创建Item，如图所示here：

import scrapy

class Page(scrapy.Item):
    url = scrapy.Field()

然后，在您的蜘蛛中提取response对象中的所有有意义的数据。查看示例here以获得感受。但一般来说，你的代码就像，

import scrapy
from myproject.items import Page  # Defined in items.py

class MySpider(scrapy.Spider):
    [...]

    def parse(self, response):
        for link in response.xpath('//a[text()="100.00"]/@href').extract():
            yield Page(url=link)

Scrapy脚本，如何查找特定关键字并返回或打印网址

1 个答案: