Question

需要帮助将相对网址转换为scrapy spider中的绝对网址。我需要将我的起始页面上的链接转换为绝对URL以获取已绘制项目的图像，这些图像位于起始页面上。我没有成功尝试不同的方法来实现这一点，我陷入了困境。有什么建议吗？

class ExampleSpider(scrapy.Spider):
    name = "example"
    allowed_domains = ["example.com"]
    start_urls = [
        "http://www.example.com/billboard",
        "http://www.example.com/billboard?page=1"
    ]

def parse(self, response): 
        image_urls = response.xpath('//div[@class="content"]/section[2]/div[2]/div/div/div/a/article/img/@src').extract()
        relative_url = response.xpath(u'''//div[contains(concat(" ", normalize-space(@class), " "), " content ")]/a/@href''').extract()     

        for image_url,url in zip(image_urls,absolute_urls):
            item = ExampleItem()
            item['image_urls'] = image_urls

        request = Request(url, callback=self.parse_dir_contents)
        request.meta['item'] = item
        yield request

Answer 1

实现这一目的主要有三种方法：

使用urljoin中的urllib函数：

from urllib.parse import urljoin
# Same as: from w3lib.url import urljoin

url = urljoin(base_url, relative_url)

使用响应的urljoin包装器方法，如Steve所述。
```
url = response.urljoin(relative_url)
```

如果您还想从该链接中提出请求，可以使用少数响应的follow方法：

# It will create a new request using the above "urljoin" method
yield response.follow(relative_url, callback=self.parse)

相对url到绝对url scrapy

1 个答案: