我昨天就一个问题发布了一个question,但它可能太冗长而无法处理。取而代之的是,我决定问同样的问题,但不太详细的例子问题。请考虑以下事项:
注释
#items.py
import scrapy
class GetQuotesItem(scrapy.Item):
key = scrapy.Field()
value = scrapy.Field()
#spider.py
import scrapy
from get_quotes.items import GetQuotesItem
from scrapy.loader import ItemLoader
class MySpider(scrapy.Spider):
name = 'quotes'
start_urls = ["https://quotes.toscrape.com"]
def parse(self, response):
l = ItemLoader(item = GetQuotesItem(), response = response)
l.add_value('key', 'company')
for i in range(4):
l.add_value('value', 'doc_{}'.format(i))
yield l.load_item()
收益率:
{'key': ['company'], 'value': ['doc_0', 'doc_1', 'doc_2', 'doc_3']}
如果我尝试产生类似的结果,但是文档位于单独的文档链接上,如下面所示
class MySpider(scrapy.Spider):
name = 'quotes'
start_urls = ["https://quotes.toscrape.com"]
def parse(self, response):
l = ItemLoader(item = GetQuotesItem(), response = response)
l.add_value('key', 'company')
for i, url in enumerate(response.xpath('/html/body/div/div[2]/div[1]/div[1]/div/a/@href').extract()):
yield response.follow(url, callback = self.parse_page_two, meta = {'l' : l, 'i' : i})
def parse_page_two(self, response):
l = response.meta['l']
l.add_value('value', 'doc_{}'.format(response.meta['i']))
yield l.load_item()
这将产生:
{'key': ['company'], 'value': ['doc_0']}
{'key': ['company'], 'value': ['doc_0', 'doc_1']}
{'key': ['company'], 'value': ['doc_0', 'doc_1', 'doc_2']}
{'key': ['company'], 'value': ['doc_0', 'doc_1', 'doc_2', 'doc_3']}
我猜这是因为代码对每个链接都使用load_item()
,但我很好奇,例如,是否可以只返回最终项和/或将最终项保存为.json
格式?目前,代码演示here正在编写所有内容,但我只需要最后一项
目前没有回答
相关问题 更多 >
编程相关推荐