不同的Scrapy请求,相同的输出值

时间:2019-02-13 12:12:42

标签: python scrapy

对于一个项目,我正在对某些搜索词进行大量的Scrapy请求。这些请求使用相同的搜索词,但使用不同的时间范围,如以下网址中的日期所示。

尽管URL引用的日期和页面不同,但我收到的值与所有请求的输出相同。看来脚本正在获取获得的第一个值,并将相同的输出分配给所有后续请求。

有人知道这些“结果重复”的原因是什么,如何解决?

import scrapy

 class QuotesSpider(scrapy.Spider):
    name = 'quotes'
    allowed_domains = ['google.com']
    start_urls = ['https://www.google.com/search?q=Activision&biw=1280&bih=607&source=lnt&tbs=cdr%3A1%2Ccd_min%3A01%2F01%2F2004%2Ccd_max%3A12%2F31%2F2004&tbm=nws',
                  'https://www.google.com/search?q=Activision&biw=1280&bih=607&source=lnt&tbs=cdr%3A1%2Ccd_min%3A01%2F01%2F2005%2Ccd_max%3A12%2F31%2F2005&tbm=nws',
                  'https://www.google.com/search?q=Activision&biw=1280&bih=607&source=lnt&tbs=cdr%3A1%2Ccd_min%3A01%2F01%2F2006%2Ccd_max%3A12%2F31%2F2006&tbm=nws',
    ]

    def parse(self, response):
        item = {
            'search_title': response.css('input#sbhost::attr(value)').get(),
            'results': response.css('#resultStats::text').get(),
            'url': response.url,
        }
        yield item

请在下面找到我为给定请求所收到的输出:

Output

1 个答案:

答案 0 :(得分:0)

我实际上找到了一个线程discussing a similar problem with BeautifulSoup。解决方案是在此脚本中添加标头,从而使脚本使用浏览器作为User-Agent。

headers = {
    "User-Agent":
        "Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/44.0.2403.157 Safari/537.36"
}
payload = {'as_epq': 'James Clark', 'tbs':'cdr:1,cd_min:01/01/2015,cd_max:01/01/2015', 'tbm':'nws'}
r = requests.get("https://www.google.com/search", params=payload, headers=headers)

将标头引用应用于Scrapy seems to be different though的方法。有谁知道如何最好地将其包含在脚本中,尤其是参考start_urls时?