Scrapy解析分页没有下一个链接

Question

我正在尝试解析没有下一个链接的分页。 html是亲爱的：

<div id="pagination" class="pagination">
    <ul>
        <li>
            <a href="//www.demopage.com/category_product_seo_name" class="page-1 ">1</a>
        </li>
        <li>
            <a href="//www.demopage.com/category_product_seo_name?page=2" class="page-2 ">2</a>
        </li>
        <li>
            <a href="//www.demopage.com/category_product_seo_name?page=3" class="page-3 ">3</a>
        </li>
        <li>
            <a href="//www.demopage.com/category_product_seo_name?page=4" class="page-4 active">4</a>
        </li>
        <li>
            <a href="//www.demopage.com/category_product_seo_name?page=5" class="page-5">5</a>
        </li>
        <li>
            <a href="//www.demopage.com/category_product_seo_name?page=6" class="page-6 ">6</a>
        </li>
        <li>
                <span class="page-... three-dots">...</span>
        </li>
        <li>
           <a href="//www.demopage.com/category_product_seo_name?page=50" class="page-50 ">50</a>
        </li>
    </ul>   
</div>

对于这个 html，我尝试了这个 xpath：

response.xpath('//div[@class="pagination"]/ul/li/a/@href').extract()
or 
response.xpath('//div[@class="pagination"]/ul/li/a/@href/following-sibling::a[1]/@href').extract()

有没有好方法来解析这个分页？谢谢大家。

PS：我也检查了这个答案：

Answer 1

Answer 2

Answer 1

一种解决方案是抓取 x 个页面，但如果页面总数不恒定，这并不总是一个好的解决方案：

class MySpider(scrapy.spider):
    num_pages = 10
    def start_requests(self):
        requests = []
        for i in range(1, self.num_pages)
            requests.append(scrapy.Request(
                url='www.demopage.com/category_product_seo_name?page={0}'.format(i)
            ))
        return requests

    def parse(self, response):
        #parse pages here.

更新

您还可以跟踪页数并执行类似的操作。 a[href~="?page=2"]::attr(href) 将针对 a 元素，其中 href 属性包含指定的字符串。 （我目前无法测试这段代码是否有效，但这种风格的东西应该可以）

class MySpider(scrapy.spider):
    start_urls = ['https://demopage.com/search?p=1']
    page_count = 1


def parse(self, response):
     self.page_count += 1
     #parse response

     next_url = response.css('#pagination > ul > li > a[href~="?page={0}"]::attr(href)'.format(self.page_count))
     if next_url:
         yield scrapy.Request(
             url = next_url
         )

Answer 2

您可以简单地获取所有分页链接并在每次必须调用以下代码时在循环中运行它，并且选择器将返回可用的分页链接。您无需担心重复的 URL，因为 scrapy 会为您处理这个。您也可以使用 scrapy 规则。

 response.css('.pagination ::attr(href)').getall()