使用callback ='parse_page'

时间:2017-07-05 10:37:40

标签: python html web-crawler

我正在使用抓取蜘蛛来废弃https://www.walmart.com/browse/makeup/lips/1085666_1007040_1001527上的产品信息。 这就是我的规则。

   rules = (Rule(LinkExtractor(
            restrict_xpaths=('//*[@id="mainSearchContent"]/div[3]/div[2]/button[2]',)
        ),
                callback = 'parse_page',
                follow =True),)

这就是结果。它不会废弃任何东西。

017-07-05 13:32:33 [scrapy] INFO: Enabled item pipelines: ImagesPipeline
2017-07-05 13:32:33 [scrapy] INFO: Spider opened
2017-07-05 13:32:33 [scrapy] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2017-07-05 13:32:33 [scrapy] DEBUG: Telnet console listening on 127.0.0.1:6026
2017-07-05 13:32:35 [scrapy] DEBUG: Crawled (200) <GET https://www.walmart.com/browse/makeup/lips/1085666_1007040_1001527> (referer: None)
2017-07-05 13:32:35 [scrapy] INFO: Closing spider (finished)
2017-07-05 13:32:35 [scrapy] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 322,
 'downloader/request_count': 1,
 'downloader/request_method_count/GET': 1,
 'downloader/response_bytes': 157281,
 'downloader/response_count': 1,
 'downloader/response_status_count/200': 1,
 'finish_reason': 'finished',
 'finish_time': datetime.datetime(2017, 7, 5, 10, 32, 35, 320638),
 'log_count/DEBUG': 2,
 'log_count/INFO': 7,
 'log_count/WARNING': 6,
 'response_received_count': 1,
 'scheduler/dequeued': 1,
 'scheduler/dequeued/memory': 1,
 'scheduler/enqueued': 1,
 'scheduler/enqueued/memory': 1,
 'start_time': datetime.datetime(2017, 7, 5, 10, 32, 33, 900621)}

如果我将回调更改为解析,它只会废弃第一页。 谁能告诉我如何废弃所有页面?

2 个答案:

答案 0 :(得分:0)

这不能解决您的问题。但有一种从该网站获取数据的简便方法。只需要their API

这应该是评论,但网址太长,无法发表评论。

答案 1 :(得分:0)

您的'回调'应该是方法名称,而不是字符串。