Scrapy请求不回调

时间:2016-07-18 16:50:25

标签: python web-scraping request scrapy scrapy-spider

我正在尝试创建一个从csv中获取数据的蜘蛛(每行两个链接和一个名称),并从每个链接中抓取一个简单的元素(价格),为每一行返回一个项目,其中包含项目的name是csv中的名称,以及两个已删除的价格(每个链接一个)。

一切都按预期工作,除了这样一个事实,即不是返回价格,而是从每个请求的回调函数返回,我得到一个这样的请求对象:

<获取https://link.com> ..

根本没有调用回调函数,为什么会这样?

这是蜘蛛:

f = open('data.csv')
f_reader = csv.reader(f)
f_data = list(f_reader)

parsed_data = []

for product in f_data:
    product = product[0].split(';')
    parsed_data.append(product)

f.close()

class ProductSpider(scrapy.Spider):
    name = 'products'
    allowed_domains = ['domain1', 'domain2']

    start_urls = ["domain1_but_its_fairly_useless"]

    def parse(self, response):
        global parsed_data
        for product in parsed_data:

            item = Product()

            item['name'] = product[0]
            item['first_price'] = scrapy.Request(product[1], callback=self.parse_first)
            item['second_price'] = scrapy.Request(product[2], callback=self.parse_second)
            yield item


    def parse_first(self, response):
        digits = response.css('.price_info .price span').extract()
        decimals = response.css('.price_info .price .price_demicals').extract()
        yield float(str(digits)+'.'+str(decimals))

    def parse_second(self, response):
        digits = response.css('.lr-prod-pricebox-price .lr-prod-pricebox-price-primary span[itemprop="price"]').extract()
        yield digits

提前感谢您的帮助!

1 个答案:

答案 0 :(得分:3)

TL; DR:当你应该产生一个Item或Request时,你正在产生一个带有Request对象的项目。

长版:
你的蜘蛛中的解析方法应该返回scrapy.Item - 在这种情况下,该爬行的链将停止并且scrapy将放出一个项目或scrapy.Requests在这种情况下scrapy将安排请求继续链

Scrapy是异步的,因此从多个请求创建项目意味着您需要将所有这些请求链接起来,同时将项目带到每个项目并逐渐填充。 请求对象具有meta属性,您可以在其中存储您想要的任何内容(非常好),它将被带到您的回调函数中。使用它来链接对需要多个请求以形成单个项目的项目的请求是很常见的。

你的蜘蛛应该是这样的:

class ProductSpider(scrapy.Spider):
    # <...>
    def parse(self, response):
        for product in parsed_data:
            item = Product()
            item['name'] = product[0]
            # carry next url you want to crawl in meta
            # and carry your item in meta
            yield Request(product[1], self.parse_first,
                          meta={"product3": product[2], "item":item})  


    def parse_first(self, response):
        # retrieve your item that you made in parse() func
        item = response.meta['item']
        # fill it up
        digits = response.css('.price_info .price span').extract()
        decimals = response.css('.price_info .price .price_demicals').extract()
        item['first_price'] = float(str(digits)+'.'+str(decimals))
        # retrieve next url from meta
        # carry over your item to the next url
        yield Request(response.meta['product3'], self.parse_second,
                      meta={"item":item})


    def parse_second(self, response):
        # again, retrieve your item
        item = response.meta['item']
        # fill it up
        digits = response.css('.lr-prod-pricebox-price .lr-prod-pricebox-price-primary 
                              span[itemprop="price"]').extract()
        item['secodn_price'] = digits
        # and finally return the item after 3 requests! 
        yield item