Scrapy返回空白csv

时间:2016-07-11 00:54:16

标签: csv scrapy scrapy-spider scrapy-pipeline

这是我第一次使用scrapy而且我试图使用管道将我需要的信息放入csv文件中。一切似乎工作正常,直到我试图从一个以上的页面刮,它开始返回一个空白的csv文件。我认为问题在于蜘蛛(就像我在那里进行了更改一样,它停止了正常工作),但是为了防止出现问题,我还要把管道放好。

这是我的蜘蛛:

import scrapy
from scrapy.spiders import CrawlSpider, Rule
from scrapy.linkextractors import LinkExtractor
from indeed.items import IndeedItem


class IndeedSpider(CrawlSpider):
    name = "indeed"
    allowed_domains = ['www.indeed.com']
    start_urls = [
    'http://www.indeed.com/jobs?as_and=&as_phr=&as_any=&as_not=&as_ttl=&as_cmp=&jt=all&st=&salary=&radius=50&l=19103&fromage=30&limit=10&sort=&psf=advsrch'
    ]
    rules = (Rule(LinkExtractor(allow=('http://www.indeed.com/jobs?q=&l=19103&radius=50&fromage=30&start=.*'))), )

    def parse_item(self, response):
        for sel in response.xpath("//div[contains(@class, 'row ')]"):
            items = []
            jobs = sel.xpath('//a[contains(@data-tn-element, "jobTitle")]/text()').extract()
            city = sel.xpath('//span[@class="location"]/text()').extract()
            company = sel.xpath('//span[@class="company"]/text()').extract()
            for j, c, co in zip(jobs, city, company):
                position = IndeedItem()
                position['jobs'] = j.strip()
                position['city'] = c.strip()
                position['company'] = co.strip()
                items.append(position)
            yield items

这是我的管道:

from scrapy import signals
from scrapy.xlib.pydispatch import dispatcher
from scrapy.exporters import CsvItemExporter

class IndeedPipeline(object):
    def process_item(self, item, spider):
        return item


class CsvExportPipeline(object):

    def __init__(self):
        dispatcher.connect(self.spider_opened, signals.spider_opened)
        dispatcher.connect(self.spider_closed, signals.spider_closed)
        self.files = {}

    def spider_opened(self, spider):
        file = open('%s_jobs.csv' % spider.name, 'w+b')
        self.files[spider] = file
        self.exporter = CsvItemExporter(file)
        self.exporter.start_exporting()

    def spider_closed(self, spider):
        self.exporter.finish_exporting()
        file = self.files.pop(spider)
        file.close()

    def process_item(self, item, spider):
        self.exporter.export_item(item)
        return item

非常感谢任何帮助。

2 个答案:

答案 0 :(得分:0)

您的LinkExtractor未提取任何链接。

如果你这样做: scrapy shell "http://www.indeed.com/jobs?as_and=&as_phr=&as_any=&as_not=&as_ttl=&as_cmp=&jt=all&st=&salary=&radius=50&l=19103&fromage=30&limit=10&sort=&psf=advsrch"

并在scrapy shell中重新创建链接提取器:

from scrapy.linkextractor import LinkExtractor
le = LinkExtractor(allow=('http://www.indeed.com/jobs?q=&l=19103&radius=50&fromage=30&start=.*'))
le.extract_links(response)

你会注意到它没有提取任何东西 您应该检查官方documentation on LinkExtractors并尝试使用相同的方法构建一个有效的方法,然后在您的蜘蛛中使用它。

答案 1 :(得分:0)

试试这个:(删除//)

    jobs = sel.xpath('a[contains(@data-tn-element, "jobTitle")]/text()').extract()
    city = sel.xpath('span[@class="location"]/text()').extract()
    company = sel.xpath('span[@class="company"]/text()').extract()