下面是我的scraper代码,它从特定页面提取URL和相应的注释:
import scraperwiki
import lxml.html
from BeautifulSoup import BeautifulSoup
import urllib2
import re
for num in range(1,2):
html_page = urllib2.urlopen("https://success.salesforce.com/ideaSearch?keywords=error&pageNo="+str(num))
soup = BeautifulSoup(html_page)
for i in range(0,10):
for link in soup.findAll('a',{'id':'search:ForumLayout:searchForm:itemObj2:'+str(i)+':idea:recentIdeasComponent:profileIdeaTitle'}):
pageurl = link.get('href')
html = scraperwiki.scrape(pageurl)
root = lxml.html.fromstring(html)
for j in range(0,300):
for table in root.cssselect("span[id='ideaView:ForumLayout:ideaViewForm:cmtComp:ideaComments:cmtLoop:"+str(j)+":commentBodyOutput'] table"):
divx = table.cssselect("div[class='htmlDetailElementDiv']")
if len(divx)==1:
data = {
'URL' : pageurl,
'Comment' : divx[0].text_content()
}
print data
scraperwiki.sqlite.save(unique_keys=['URL'], data=data)
scraperwiki.sqlite.save(unique_keys=['Comment'], data=data)
当数据保存到scraperwiki数据存储时,只有来自一个URL的最后一条注释被放入表中。我希望在表中为每个URL保存所有的评论。因此,在一列中是URL,在第二列中是来自该URL的所有注释,而不是最后一条注释,这就是代码的最终结果。在
正如我从代码中看到的,您将
data
放在最内部的for循环中,并每次为其分配一个新值。因此,当for循环结束并进入保存步骤时,data
将包含最后一条注释。我想你可以用:相关问题 更多 >
编程相关推荐