Question

我的蜘蛛没有在搜寻第2页，但是XPath返回的是正确的下一页链接，这是到下一页的绝对链接。

这是我的代码

from scrapy import Spider
from scrapy.http import Request, FormRequest



class MintSpiderSpider(Spider):

    name = 'Mint_spider'
    allowed_domains = ['example.com']
    start_urls = ['http://www.example.com/']

    def parse(self, response):
        urls =  response.xpath('//div[@class = "post-inner post-hover"]/h2/a/@href').extract()

        for url in urls:
            yield Request(url, callback=self.parse_lyrics)

        next_page_url = response.xpath('//li[@class="next right"]/a/@href').extract_first()
        if next_page_url:
            yield scrapy.Request(next_page_url, callback=self.parse)


    def parse_foo(self, response):
        info = response.xpath('//*[@class="songinfo"]/p/text()').extract()
        name =  response.xpath('//*[@id="lyric"]/h2/text()').extract()

        yield{
            'name' : name,
            'info': info
        }

Answer 1

问题在于next_page_url是一个列表，它需要作为字符串的url。您需要使用extract_first()函数而不是extract()中的next_page_url = response.xpath('//li[@class="next right"]/a/@href').extract()。

更新

由于您正在使用import scrapy，因此必须yield scrapy.Request(next_page_url, callback=self.parse)

Scrapy没有抓取下一页网址

1 个答案: