App store iTunes上的刮擦问题';应用商店
我正在使用Scrapy从iTunes的AppStore数据库中获取一些数据。我从以下应用列表开始: 在下面的代码中,我使用了最简单的正则表达式,它针对美国商店中的所有应用App store iTunes上的刮擦问题';应用商店,app-store,itunes,screen-scraping,scrapy,App Store,Itunes,Screen Scraping,Scrapy,我正在使用Scrapy从iTunes的AppStore数据库中获取一些数据。我从以下应用列表开始: 在下面的代码中,我使用了最简单的正则表达式,它针对美国商店中的所有应用 from scrapy.contrib.linkextractors.sgml import SgmlLinkExtractor from scrapy.contrib.spiders import CrawlSpider, Rule class AppStoreSpider(CrawlSpider): domain
from scrapy.contrib.linkextractors.sgml import SgmlLinkExtractor
from scrapy.contrib.spiders import CrawlSpider, Rule
class AppStoreSpider(CrawlSpider):
domain_name = 'itunes.apple.com'
start_urls = ['http://itunes.apple.com/us/genre/mobile-software-applications/id6015?mt=8']
rules = (
Rule(SgmlLinkExtractor(allow='itunes\.apple\.com/us/app'),
'parse_app', follow=True,
),
)
def parse_app(self, response):
....
SPIDER = AppStoreSpider()
当我运行它时,我收到以下信息:
[itunes.apple.com] DEBUG: Crawled (200) <GET http://itunes.apple.com/us/genre/mobile-software-applications/id6015?mt=8> (referer: None)
[itunes.apple.com] DEBUG: Filtered offsite request to 'itunes.apple.com': <GET http://itunes.apple.com/us/app/bloomberg/id281941097?mt=8>
回溯(最近一次呼叫最后一次):
文件“/usr/lib/python2.5/cookielib.py”,第1575行,在make_cookies中
解析\u ns\u头(ns\u hdr),请求)
文件“/usr/lib/python2.5/cookielib.py”,第1532行,在属性集的cookies中
cookie=self.\u cookie\u来自\u cookie\u元组(元组,请求)
文件“/usr/lib/python2.5/cookielib.py”,第1451行,在来自cokie-tuple的cokie-tuple中
如果版本不是None:version=int(版本)
ValueError:基数为10的int()的文本无效:““1”
我在其他网站上使用了相同的脚本,我没有这个问题
有什么建议吗?当我在浏览器中点击该链接时,它会自动尝试在本地打开iTunes。这可能是错误中提到的“异地请求” 我会尝试: 1) 从URL末尾删除“?mt=8”。它看起来无论如何都不需要,可能与请求有关
2) 在Scrapy Shell中尝试相同的请求。这是调试代码和尝试新事物的一种更简单的方法。这里有更多细节:我看到这篇文章很老了,如果你还没有找到原因,就在这里 我在使用mechanize使用itunesconnect时遇到了类似的问题。在经历了很多挫折之后,我发现cookielib中有一个bug不能正确处理一些cookies。这里讨论的是: 那篇文章底部的补丁对我有用。为了方便,我将在这里转寄 基本上,您可以创建
cookielib.CookieJar的一个自定义子类
,从\u cookie\u元组重写\u cookie\u,并使用此CustomCookieJar
代替cookielib jar
class CustomCookieJar(cookielib.CookieJar):
def _cookie_from_cookie_tuple(self, tup, request):
name, value, standard, rest = tup
version = standard.get("version", None)
if version is not None:
# Some servers add " around the version number, this module expects a pure int.
standard["version"] = version.strip('"')
return cookielib.CookieJar._cookie_from_cookie_tuple(self, tup,request)
对于异地请求,请尝试将此属性添加到spider:allowed\u domains=['apple.com']
class CustomCookieJar(cookielib.CookieJar):
def _cookie_from_cookie_tuple(self, tup, request):
name, value, standard, rest = tup
version = standard.get("version", None)
if version is not None:
# Some servers add " around the version number, this module expects a pure int.
standard["version"] = version.strip('"')
return cookielib.CookieJar._cookie_from_cookie_tuple(self, tup,request)