Question

我的Scrapy代码无效。我正在尝试抓取论坛，但收到错误消息。这是我的代码：

import scrapy, time

class ForumSpiderSpider(scrapy.Spider):
    name = 'forum_spider'
    allowed_domains = ['visforvoltage.org/latest_tech/']
    start_urls = ['http://visforvoltage.org/latest_tech//']

def parse_urls(self, response):
   for href in response.css(r"tbody a[href*='/forum/']::attr(href)").extract():
       url = response.urljoin(href)
       print(url)
       req = scrapy.Request(url, callback=self.parse_data)
       time.sleep(10)
       yield req

def parse_data(self, response):
    for sel in response.css('html').extract():
       data = {}
       data['name'] = response.css(r"div[class='author-pane-line author-name'] span[class='username']::text").extract()
       data['date'] = response.css(r"div[class='forum-posted-on']:contains('-') ::text").extract()
       data['title'] = response.css(r"div[class='section'] h1[class='title']::text").extract()
       data['body'] = response.css(r"div[class='field-items'] p::text").extract()
       yield data
   

    next_page = response.css(r"li[class='pager-next'] a[href*='page=']::attr(href)").extract()
    if next_page:
        yield scrapy.Request(
            response.urljoin(next_page),
            callback=self.parse_urls)

这是一个错误：

[scrapy.core.scraper] ERROR: Spider error processing <GET https://visforvoltage.org/latest_tech> (referer: None)
raise NotImplementedError('{}.parse callback is not defined'.format(self.__class__.__name__))
NotImplementedError: ForumSpiderSpider.parse callback is not defined

如果有人可以帮助我，我将非常感谢！

Answer 1

父类scrapy.Spider有一个名为start_requests的方法。这就是将检查您的start_urls并为蜘蛛创建第一个请求的方法。

该方法希望您有一个名为parse的方法作为回调函数。因此，解决问题的最快方法是将parse_urls方法更改为parse，如下所示：

def parse(self, response):
   for href in response.css(r"tbody a[href*='/forum/']::attr(href)").extract():
       url = response.urljoin(href)
       print(url)
       req = scrapy.Request(url, callback=self.parse_data)
       time.sleep(10)
       yield req

如果要更改该行为，则需要覆盖类中的start_requests方法，以便可以确定回调函数的名称。 例如：

def start_requests(self):
    for url in self.start_urls:
        yield Request(url, callback=self.parse_urls, dont_filter=True)

尝试抓取蜘蛛时出现错误（NotImplementedError）

1 个答案: