有没有可能在scrapy爬行时访问数据?我有一个脚本,可以找到一个特定的关键字,并在.csv中写入关键字以及找到它的链接。但是,我必须等待scrapy完成爬行,当完成后,它实际上会输出.csv文件中的数据
我也在尝试随机更改我的用户代理,但它不起作用。 如果不允许我同时回答两个问题,我会把这个问题作为一个单独的问题发表。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from scrapy.spiders import Spider
from scrapy import log
from FinalSpider.items import Page
from FinalSpider.settings import USER_AGENT_LIST
from FinalSpider.settings import DOWNLOADER_MIDDLEWARES
import random
import telnetlib
import time
class FinalSpider(Spider):
name = "FinalSpider"
allowed_domains = ['url.com']
start_urls = ['url.com=%d' %(n)
for n in xrange(62L, 62L)]
def parse(self, response):
item = Page()
item['URL'] = response.url
item['Stake'] = ''.join(response.xpath('//div[@class="class"]//span[@class="class" or @class="class"]/text()').extract())
if item['cur'] in [u'50,00', u'100,00']:
return item
# 30% useragent change
class RandomUserAgentMiddleware(object):
def process_request(self, request, spider):
if random.choice(xrange(1,100)) <= 30:
log.msg('Changing UserAgent')
ua = random.choice(USER_AGENT_LIST)
if ua:
request.headers.setdefault('User-Agent', ua)
log.msg('>>>> UserAgent changed')
您没有义务将收集的项目(也称为“数据”)输出到csv文件中,您只能使用以下内容运行scrapy:
这将把日志输出到终端,但为了只将项目存储到csv文件中,我假设您正在执行以下操作:
^{pr2}$现在,如果您想存储日志和项目,我建议您将其放入您的
settings.py
文件中:现在你可以看到一些东西,而蜘蛛运行只是检查文件。在
对于randomuseragent的问题,请检查如何激活scrapy middlewares。在
相关问题 更多 >
编程相关推荐