【发布时间】:2018-06-20 21:45:53
【问题描述】:
我刚开始学习 Python 和 Scrapy。 我的第一个项目是在包含网络安全信息的网站上抓取信息。但是当我使用 cmd 运行它时,它说“抓取了 0 页(以 0 页/分钟),抓取了 0 个项目(以 0 个项目/分钟)”,但似乎没有任何结果。如果有人能解决我的问题,我将不胜感激。
我的代码:
import scrapy
class SapoSpider(scrapy.Spider):
name = "imo"
allowed_domains = ["imovirtual.com"]
start_urls = ["https://www.imovirtual.com/arrendar/apartamento/lisboa/"]
def parse(self,response):
subpage_links = []
for i in response.css('div.offer-item-details'):
youritem = {
'preco':i.css('span.offer-item title::text').extract_first(),
'autor':i.css('li.offer-item-price::text').extract(),
'data':i.css('li.offer-item-area::text').extract(),
'data_2':i.css('li.offer-item-price-perm::text').extract()
}
subpage_link = i.css('header[class=offer-item-header] a::attr(href)').extract()
subpage_links.extend(subpage_link)
for subpage_link in subpage_links:
yield scrapy.Request(subpage_link, callback=self.parse_subpage, meta={'item':youritem})
def parse_subpage(self,response):
for j in response.css('header[class=offer-item-header] a::attr(href)'):
youritem = response.meta.get('item')
youritem['info'] = j.css(' ul.dotted-list, li.h4::text').extract()
yield youritem
【问题讨论】:
-
你在哪里使用
start_urls? -
可能无处...我应该在哪里使用它?
标签: python css scrapy web-crawler