尝试更新管道文件set_data_update函数中db中的列时出现错误。 我正在尝试使用get_data函数返回url和价格，对于返回的每个URL，请调用set_data_update函数，在其中我将现有的new_price交换为old_price，然后放入 新的报废价格变为new_price。似乎我对get_data中的set_data_update的调用总是运行两次。它应该运行一次，因为目前我在第二个URL的数据库中只有一行- “ https://www.amazon.com/Hamilton-Beach-46310-Programmable-Coffee/dp/B07684BPLB/ref=sr_1_10?keywords=coffee+maker&qid=1559098604&s=home-garden&sr=1-10”。
我也看到追溯错误
sqlite3.OperationalError：无法识别的令牌：“：”
products.json
{
"itemdata": [
{ "url": "https://www.amazon.com/dp/B07GWKT87L/?`coliid=I36XKNB8MLE3&colid=KRASGH7290D0&psc=0&ref_=lv_ov_lig_dp_it#customerReview",`
"title": "coffee_maker_black_and_decker",
"name": "Cobi Maguire",
"email": "cobi@noemail.com"
},
{ "url": "https://www.amazon.com/Hamilton-Beach-46310-Programmable-Coffee/dp/B07684BPLB/ref=sr_1_10?keywords=coffee+maker&qid=1559098604&s=home-garden&sr=1-10",
"title": "coffee_maker_hamilton_beach",
"name": "Ryan Murphy",
"email": "ryan@noemail.com"
}
]
}
错误回溯-回溯（最近一次通话为最后一次）： （price_monitor）C：\ Users \ hassy \ Documents \ python_venv \ price_monitor \ price_monitor>抓取抓取price_monitor 2019-06-15 17:00:10 [scrapy.utils.log]信息：Scrapy 1.6.0已启动（bot：price_monitor） 2019-06-15 17:00:10 [scrapy.utils.log]信息：版本：lxml 4.3.3.0，libxml2 2.9.5，cssselect 1.0.3，parsel 1.5.1，w3lib 1.20.0，Twisted 19.2.0 ，Python 3.6.5（v3.6.5：f59c0932b4，Mar 28 2018，16:07:46）[MSC v.1900 32位（Intel）]，pyOpenSSL 19.0.0（OpenSSL 1.1.1b 2019年2月26日），密码学2.6 .1，平台Windows-10-10.0.17134-SP0 2019-06-15 17:00:10 [scrapy.crawler]信息：覆盖的设置：{'BOT_NAME'：'price_monitor'，'NEWSPIDER_MODULE'：'price_monitor.spiders'，'ROBOTSTXT_OBEY'：是，'SPIDER_MODULES'：[ 'price_monitor.spiders']，'USER_AGENT'：'用户代理：Mozilla / 5.0（Macintosh; Intel Mac OS X 10_13_6）AppleWebKit / 537.36（KHTML，例如Gecko）Chrome / 69.0.3497.100 Safari / 537.36'} 2019-06-15 17:00:10 [scrapy.extensions.telnet]信息：Telnet密码：3c0578dfed20521c 2019-06-15 17:00:10 [scrapy.middleware]信息：启用的扩展程序： ['scrapy.extensions.corestats.CoreStats'， 'scrapy.extensions.telnet.TelnetConsole'， 'scrapy.extensions.logstats.LogStats'] 2019-06-15 17:00:10 [scrapy.middleware]信息：启用下载器中间件： ['scrapy.downloadermiddlewares.robotstxt.RobotsTxtMiddleware'， 'scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware'， “ scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware”， 'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware'， 'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware'， 'scrapy.downloadermiddlewares.retry.RetryMiddleware'， 'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware'， “ scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware”， 'scrapy.downloadermiddlewares.redirect.RedirectMiddleware'， 'scrapy.downloadermiddlewares.cookies.CookiesMiddleware'， 'scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware'， 'scrapy.downloadermiddlewares.stats.DownloaderStats'] 2019-06-15 17:00:10 [scrapy.middleware]信息：已启用蜘蛛中间件： ['scrapy.spidermiddlewares.httperror.HttpErrorMiddleware'， 'scrapy.spidermiddlewares.offsite.OffsiteMiddleware'， 'scrapy.spidermiddlewares.referer.RefererMiddleware'， 'scrapy.spidermiddlewares.urllength.UrlLengthMiddleware'， 'scrapy.spidermiddlewares.depth.DepthMiddleware'] 2019-06-15 17:00:10 [scrapy.middleware]信息：启用的项目管道： ['price_monitor.pipelines.PriceMonitorPipeline'] 2019-06-15 17:00:10 [scrapy.core.engine]信息：蜘蛛开了 2019-06-15 17:00:10 [scrapy.extensions.logstats]信息：抓取0页（以0页/分钟），抓取0件（以0件/分钟） 2019-06-15 17:00:10 [scrapy.extensions.telnet]信息：Telnet控制台正在侦听127.0.0.1:6023 2019-06-15 17:00:11 [scrapy.core.engine]调试：爬行（200）https://www.amazon.com/robots.txt>（引用：无） 2019-06-15 17:00:11 [scrapy.downloadermiddlewares.redirect]调试：从https重定向（301）到https://www.amazon.com/BLACK-DECKER-CM4202S-Programmable-Coffeemaker/dp/B07GWKT87L> ：//www.amazon.com/dp/B07GWKT87L/？coliid = I36XKNB8MLE3＆colid = KRASGH7290D0＆psc = 0＆ref_ = lv_ov_lig_dp_it＃customerReview> 2019-06-15 17:00:11 [scrapy.downloadermiddlewares.redirect]调试：从https重定向（301）到https://www.amazon.com/Hamilton-Beach-46310-Programmable-Coffee/dp/B07684BPLB> ：//www.amazon.com/Hamilton-Beach-46310-Programmable-Coffee/dp/B07684BPLB/ref=sr_1_10？keywords = coffee + maker＆qid = 1559098604＆s = home-garden＆sr = 1-10> 2019-06-15 17:00:12 [scrapy.core.engine]调试：爬网（200）https://www.amazon.com/BLACK-DECKER-CM4202S-Programmable-Coffeemaker/dp/B07GWKT87L>（参考：没有） 2019-06-15 17:00:12 [scrapy.core.engine]调试：爬行（200）https://www.amazon.com/Hamilton-Beach-46310-Programmable-Coffee/dp/B07684BPLB>（参考：没有） 打印行 （'https://www.amazon.com/Hamilton-Beach-46310-Programmable-Coffee/dp/B07684BPLB/ref=sr_1_10?keywords=coffee+maker&qid=1559098604&s=home-garden&sr=1-10'，'$ 37.99'） 呼叫功能 2019-06-15 17:00:12 [scrapy.core.scraper]错误：错误处理{'email'：'ryan@noemail.com'， 'name'：'Ryan Murphy'， '价格'：'$ 49.99'， 'title'：'BLACK + DECKER CM4202S可选A尺寸简易拨号' “咖啡壶，超大容量80盎司，不锈钢”， 'url'：'h'} 追溯（最近一次通话）： _runCallbacks中的第654行“ c：\ users \ hassy \ documents \ python_venv \ price_monitor \ lib \ site-packages \ twisted \ internet \ defer.py” current.result =回调（current.result，* args，** kw） 文件“ c：\ users \ hassy \ documents \ python_venv \ price_monitor \ price_monitor \ pipelines.py”，第37行，在process_item中 self.get_data（item） get_data中的第60行的文件“ c：\ users \ hassy \ documents \ python_venv \ price_monitor \ price_monitor \ pipelines.py” self.set_data_update（项目，网址，新价格） set_data_update中第88行的文件“ c：\ users \ hassy \ documents \ python_venv \ price_monitor \ price_monitor \ pipelines.py” {'old_price'：old_price，'new_price'：item ['price']}） sqlite3.OperationalError：无法识别的令牌：“：” 打印行 （'https://www.amazon.com/Hamilton-Beach-46310-Programmable-Coffee/dp/B07684BPLB/ref=sr_1_10?keywords=coffee+maker&qid=1559098604&s=home-garden&sr=1-10'，'$ 37.99'） 呼叫功能 2019-06-15 17:00:12 [scrapy.core.scraper]错误：错误处理{'email'：'ryan@noemail.com'， 'name'：'Ryan Murphy'， '价格'：'$ 34.99'， 'title'：'Hamilton Beach 46310可编程咖啡机，12杯，黑色，' 'url'：'h'} 追溯（最近一次通话）： _runCallbacks中的第654行“ c：\ users \ hassy \ documents \ python_venv \ price_monitor \ lib \ site-packages \ twisted \ internet \ defer.py” current.result =回调（current.result，* args，** kw） 文件“ c：\ users \ hassy \ documents \ python_venv \ price_monitor \ price_monitor \ pipelines.py”，第37行，在process_item中 self.get_data（item） get_data中的第60行的文件“ c：\ users \ hassy \ documents \ python_venv \ price_monitor \ price_monitor \ pipelines.py” self.set_data_update（项目，网址，新价格） set_data_update中第88行的文件“ c：\ users \ hassy \ documents \ python_venv \ price_monitor \ price_monitor \ pipelines.py” {'old_price'：old_price，'new_price'：item ['price']}） sqlite3.OperationalError：无法识别的令牌：“：” 2019-06-15 17:00:12 [scrapy.core.engine]信息：关闭蜘蛛（已完成） 2019-06-15 17:00:12 [scrapy.statscollectors]信息：倾销Scrapy统计信息： {'downloader / request_bytes'：1888， “ downloader / request_count”：5 'downloader / request_method_count / GET'：5， 'downloader / response_bytes'：261495， 'downloader / response_count'：5 “ downloader / response_status_count / 200”：3， 'downloader / response_status_count / 301'：2 'finish_reason'：'完成'， 'finish_time'：datetime.datetime（2019，6，15，15，21，0，12，534906）， 'log_count / DEBUG'：5 'log_count / ERROR'：2 'log_count / INFO'：9， 'response_received_count'：3， 'robotstxt / request_count'：1， 'robotstxt / response_count'：1， 'robotstxt / response_status_count / 200'：1， “调度程序/出队”：4 “调度程序/出队/内存”：4 “调度程序/排队”：4 “调度程序/排队/内存”：4 'start_time'：datetime.datetime（2019、6、15、21、0、10、799145）} 2019-06-15 17:00:12 [scrapy.core.engine]信息：蜘蛛关闭了（完成）
(price_monitor) C:\Users\hassy\Documents\python_venv\price_monitor\price_monitor>
pipelines.py
import sqlite3
class PriceMonitorPipeline(object):
def __init__(self):
self.create_connection()
self.create_table()
def create_connection(self):
self.conn = sqlite3.connect("price_monitor.db")
self.curr = self.conn.cursor()
def process_item(self, item, spider):
# self.store_data(item)
print("printing items")
print(item['title'])
print(item['price'])
self.get_data(item)
return item
def get_data(self, item):
""" Check if the row already exists for this url """
rows = 0
url = ''
new_price = ''
self.rows = rows
self.url = url
self.new_price = new_price
self.curr.execute("""select url, new_price from price_monitor WHERE url =:url""",
{'url': item['url']})
rows = self.curr.fetchone()
print("Printing rows")
print(rows)
rows_url = rows[0]
new_price = rows[1]
if rows is not None:
for item['url'] in rows_url:
print("calling func")
self.set_data_update(item, url, new_price)
else:
pass
def set_data_update(self, item, url, new_price):
url = 'https://www.amazon.com/Hamilton-Beach-46310-Programmable-Coffee/dp/B07684BPLB/ref=sr_1_10?keywords=coffee+maker&qid=1559098604&s=home-garden&sr=1-10'
old_price = new_price
price = item['price']
print("printing old price")
print(old_price)
print("New Price".format(item['price']))
self.curr.execute("""update price_monitor SET old_price=: old_price, new_price=: new_price
WHERE url=: url""",
{'old_price': old_price, 'new_price': price})
self.conn.commit()
items.py
import scrapy
class AmazonItem(scrapy.Item):
# define the fields for your item here like:
# name = scrapy.Field()
url = scrapy.Field()
title = scrapy.Field()
price = scrapy.Field()
name = scrapy.Field()
email = scrapy.Field()
蜘蛛
import scrapy
import json
import sys
from ..items import AmazonItem
class MySpider(scrapy.Spider):
name = 'price_monitor'
newlist = []
start_urls = []
itemdatalist = []
with open('C:\\Users\\hassy\\Documents\\python_venv\\price_monitor\\price_monitor\\products.json') as f:
data = json.load(f)
itemdatalist = data['itemdata']
for item in itemdatalist:
start_urls.append(item['url'])
def start_requests(self):
for item in MySpider.start_urls:
yield scrapy.Request(url=item, callback=self.parse)
def parse(self, response):
for url in MySpider.start_urls:
scrapeitem = AmazonItem()
title = response.css('span#productTitle::text').extract_first()
title = title.strip()
price = response.css('span#priceblock_ourprice::text').extract_first()
scrapeitem['title'] = title
scrapeitem['price'] = price
for item in MySpider.data['itemdata']:
url = item['url']
name = item['name']
email = item['email']
scrapeitem['url'] = url
scrapeitem['name'] = name
scrapeitem['email'] = email
yield scrapeitem