【问题标题】:Crawling multiple levels in Scrapy在 Scrapy 中爬取多个级别
【发布时间】:2016-07-22 02:56:06
【问题描述】:

我是 scrapy 的新手,在我花费大量时间查看文档和反复试验之前,我想我会问专家我正在寻找的东西是否可能。

  1. 导航到应用程序 URL
  2. 从网站上的所有链接中,过滤一部分链接。
  3. 访问这些链接中的每一个 3.1 对于每一个链接,抓取并提取并存储一些信息 3.2 此回复中有一个我想关注的特定链接 3.3 删除对此链接的响应并记录下来。

要实现这一点,所有这些都可以在一个蜘蛛中完成,还是我必须过滤第 2 步中的链接并为第 3 步调用第二个蜘蛛?

【问题讨论】:

  • 我认为您不需要“查看文档的超人时间”。您可能希望从用于跟踪链接的CrawlSpider 开始,您也可以对其进行过滤。文档中的示例还在回调中提取数据。这是您学习的良好开端(我们无法为您进行研究)
  • 谢谢。我能够浏览文档并通过爬虫实现这一目标。现在我的下一步是使用scrapy 登录我正在抓取的网站。我正在尝试登录 amazon.com。但 robots.txt 提到 www.amazon.com/ap/signin 是不允许的。我已经设置了scrapy来尊重robots.txt请求,我应该这样做。是否有替代方法来实现经过身份验证的会话?

标签: web-scraping scrapy multi-level


【解决方案1】:

更新:所以这绝对可以使用scrapy。至少多级爬行是。我还没有深入了解是否可以在爬网中存储和链接来自不同级别的项目,以便我将信息放在一个地方。但是从我到现在为止看到的scrapy的灵活性来看,这很有可能。

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 2014-08-22
    • 1970-01-01
    • 2023-03-05
    • 2021-03-14
    • 1970-01-01
    • 2016-03-15
    • 2012-06-26
    • 2016-11-09
    相关资源
    最近更新 更多