在我的html页面中有两列的表格,第一个名称,第二个是一个链接,其中有日期,我希望能够下载此页面获取此< strong> date 并提高它,所以在输出中我将有Name和Date。 例如 在我们的第一页
<table>
<tr>
<td>A</td>
<td>http://something.com/2564.html</td>
</tr>
</table>
在2564.html页面中有
<body>
<p>the date is: 25 April 2009</p>
</body>
我怎么能
<xml>
<row>
<name>A</name>
<date>25 April 2009</date>
</row>
</xml>
答案 0 :(得分:0)
我创建项目的方法,用我在此页面上的数据填充它,然后产生对缺少数据的页面的请求,在meta
内传递该项目。下载第二页后,我从meta
获取该项目,并填写其他数据:
def parseItem(self, response):
'''Get date from the first page.'''
item = Item()
item['firstdata'] = '???'
...
otherDataPageLink = '???'
yield Request(otherDataPageLink, meta = {'item': item}, callback = self.parseComments)
def parseComments(self, response):
'''Get all the other data from second page.'''
item = response.meta['item']
item['otherdata'] = '???'
yield item # return the item with all the data