【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。
- 导航到应用程序 URL
- 从网站上的所有链接中,过滤一部分链接。
- 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