从表中抓取 URL 中的参数

Question

大家好！

我目前正在使用 Python 2.7 开发 Scrapy Webcrawler，虽然我知道 C 和 Web 语言，但我对 Python 和 Scrapy 库有点迷茫。

我想做的是抓取返回 JSON 数据的单个 URL，并根据预定义的参数表更改 URL 中的参数。

网址如下所示：

http://www.helloworld.com/data?From=xxx&To=yyy&number=42。

在这里，我想从存储在不同文件中的一组数据中替换所有xxx，yyy，42，并使用每个参数循环爬虫。

我知道我能做到：

    def __init__(self, fromdat='xxx', todat='yyy'):
    self.start_urls = ["http://helloworld.com/data?From=%s&To=%s/" % (fromdat, todat)]

然后在命令行中使用-a命令指定参数，但这会涉及到人为干预，我不希望这样。

我也试过了：

class QuotesSpider(scrapy.Spider):
name = "histo"
tab1=[1000,10]

def start_requests(self, tab1):
    for i in tab1:
        urls = 'http://www.helloworld.com/data?number=%d'% i
        yield scrapy.Request(url=url, callback=self.parse)


    def parse(self, response):
        page = response.url.split("/")[-2]
        filename = 'histo-%s.html' % page
        with open(filename, 'wb') as f:
            f.write(response.body)
        self.log('Saved file %s' % filename)

但这似乎也没有办法......

我有点迷茫，所以欢迎任何帮助！ :)

非常感谢，祝您有美好的一天！

Answer 1

start_requests() 不接受任何附加参数，请执行以下操作：

class QuotesSpider(scrapy.Spider):
    name = "histo"
    tab1 = [1000,10]

    def start_requests(self):
        for i in self.tab1:
            urls = 'http://www.helloworld.com/data?number=%d' % i
            yield scrapy.Request(url=url, callback=self.parse)

    def parse(self, response):
        page = response.url.split("/")[-2]
        filename = 'histo-%s.html' % page
        with open(filename, 'wb') as f:
            f.write(response.body)
        self.log('Saved file %s' % filename)

注意parse() 是如何缩进的。