Question

大家早上好

使用Scrapy时出现问题。我想从以下URL获取表的“ commune”列中包含的数据：https://fr.wikipedia.org/wiki/Liste_des_communes_de_Belgique_par_population

这是我的蜘蛛：

import scrapy
import json

class communes_spider(scrapy.Spider):
    name = "communes"

    def start_requests(self):
        urls = [
            'https://fr.wikipedia.org/wiki/Liste_des_communes_de_Belgique_par_population'
        ]
        for url in urls:
            yield scrapy.Request(url=url, callback=self.parse)

    def parse(self, response):
        yield response.css('table.wikitable td a::text').getall()

我正在使用终端爬网页面：

scrapy crawl communes

但是，它不输出“ commune”列的数据。因此，我无法将它们存储在json文件中。有人对这里发生的事情有见解吗？

谢谢！

Answer 1

蜘蛛必须返回Request，BaseItem，dict或None，但您要返回列表

请将您的代码更改为此

import scrapy
import json

class communes_spider(scrapy.Spider):
    name = "communes"

    def start_requests(self):
        urls = [
            'https://fr.wikipedia.org/wiki/Liste_des_communes_de_Belgique_par_population'
        ]
        for url in urls:
            yield scrapy.Request(url=url, callback=self.parse)

    def parse(self, response):
        yield {'communes':response.css('table.wikitable td a::text').getall()}

Scrapy-输出不出现

1 个答案: