亚洲精品久久久中文字幕-亚洲精品久久片久久-亚洲精品久久青草-亚洲精品久久婷婷爱久久婷婷-亚洲精品久久午夜香蕉

您的位置:首頁技術文章
文章詳情頁

python - scrapy獲取網(wǎng)頁指定內(nèi)容,后翻到下一頁繼續(xù),固定循環(huán)次數(shù)。。問題

瀏覽:166日期:2022-06-29 18:45:48

問題描述

import scrapyfrom movie.items import MovieItem class MeijuSpider(scrapy.Spider): name = 'meiju' allowed_domains = ['alexa.cn'] start_urls = [’www.alexa.cn/siterank’] def parse(self, response): movies = response.xpath(’//ul[@class='siterank-sitelist']/li’) for each_movie in movies:item = MovieItem()item[’name’] =each_movie.xpath(’.//p[@class='infos']’).extract()[0]yield item

代碼是這樣的。我想循環(huán)抓取的是:

www.alexa.cn/siterank/2www.alexa.cn/siterank/3www.alexa.cn/siterank/4.....

我看循環(huán)應該是這樣的for i in range(2,10):yield scrapy.Request(’www.alexa.cn/siterank/%d’%i),但是我不知道怎么填進去。求助

問題解答

回答1:

若你範圍都確定的話,不如從start_urls 下手

start_urls = [’http://www.alexa.cn/siterank/{n}’.format(n=x) for x in range(2,10)] 回答2:

官網(wǎng)上有例子,關于追蹤下一頁,官網(wǎng)上面的例子用的是遞歸,官網(wǎng)的代碼如下:

import scrapyclass QuotesSpider(scrapy.Spider): name = 'quotes' start_urls = [’http://quotes.toscrape.com/page/1/’, ] def parse(self, response):for quote in response.css(’p.quote’): yield {’text’: quote.css(’span.text::text’).extract_first(),’author’: quote.css(’small.author::text’).extract_first(),’tags’: quote.css(’p.tags a.tag::text’).extract(), }# next_page是用css選擇器獲取到的下一頁, 在下面它遞歸地調(diào)用了parse方法來不斷地追蹤下一頁next_page = response.css(’li.next a::attr(href)’).extract_first()if next_page is not None: next_page = response.urljoin(next_page) yield scrapy.Request(next_page, callback=self.parse)

我自己用Scrapy寫了一個貼吧的爬蟲,獲取下一頁用的也是這種遞歸的方法,代碼如下:

import scrapyfrom tieba_crawler.items import ImageItemclass TiebaSpider(scrapy.Spider): name = ’tbimg’ def start_requests(self):url = ’http://tieba.baidu.com/f?kw=%E6%B8%A1%E8%BE%B9%E9%BA%BB%E5%8F%8B’yield scrapy.Request(url=url, callback=self.parse_post) def parse_post(self, response):post_list = response.css(’ul#thread_list li.j_thread_list’)for item in post_list: title = item.css(’a.j_th_tit::text’).extract_first() url = ’http://tieba.baidu.com’ + item.css(’a.j_th_tit::attr(href)’).extract_first() yield scrapy.Request(url=url, callback=self.parse_image)page_list = response.css(’p#frs_list_pager a::attr(href)’).extract()if not page_list: returnelse: next_page = page_list[-2] if next_page:yield response.follow(next_page, callback=self.parse_post) def parse_image(self, response):img_urls = response.css(’p#j_p_postlist img.BDE_Image::attr(src)’).extract()yield ImageItem(image_urls=img_urls)page_list = response.css(’ul.l_posts_num li.pb_list_pager a::attr(href)’).extract()if not page_list: returnelse: next_page = page_list[-2] if next_page:yield response.follow(next_page, callback=self.parse_image)

標簽: Python 編程
主站蜘蛛池模板: 久久综合一 | 欧美aaaaa一级毛片在线 | 免费看国产做爰大片 | 国产一区精品 | 欧美国产亚洲精品a第一页 欧美国产亚洲一区 | 国产成人精品福利色多多 | 久久久久久九九 | 亚洲成人偷拍自拍 | www免费播放观看在线视频 | 日本高清中文字幕视频在线 | 午夜伦情电午夜伦情影院 | 玖玖国产在线 | 国内外成人在线视频 | 久久九九国产精品怡红院 | 亚洲播播播 | 国产另类图片 | 欧美特黄特刺激a一级淫片 欧美特黄高清免费观看的 欧美爱片 | 国产成人永久免费视 | 亚洲高清在线观看播放 | 96精品| 伊人99综合 | 国产精品久久久久激情影院 | 啪啪综合| 日本国产在线观看 | 自怕偷自怕亚洲精品 | 亚洲狼人香蕉香蕉在线28 | 日韩在线播放一区 | 在线免费观看视频黄 | a级高清观看视频在线看 | 免费一级毛片在线播放 | 午夜成年视频 | 日本vs欧美一区二区三区 | 国产精品人体私拍99pans | 美国一级大黄一片免费zzz | 精品视频中文字幕 | 亚洲精品中文字幕一区 | 你懂的国产精品 | 国产精品综合视频 | 成人午夜亚洲影视在线观看 | 欧美精品一区二区在线观看播放 | 久久久精品久久久久久久久久久 |