如何编写python scrapy代码来提取url'；在站点的站点地图中存在

我正在尝试使用此代码获取站点地图中的URL列表。当我运行此操作时，在屏幕上看不到任何结果。有谁能告诉我问题出在哪里，或者给我举个好的例子。提前谢谢

class MySpider(SitemapSpider):
name = "xyz"
allowed_domains = ["xyz.nl"]
sitemap_urls = ["http://www.xyz.nl/sitemap.xml"] 

def parse(self, response):
    print response.url
    return Request(response.url, callback=self.parse_sitemap_url)

def parse_sitemap_url(self, response):
    # do stuff with your sitemap links

---

这个爬行器将从站点地图获取所有URL，并将它们保存到列表中。您可以轻松地将其更改为输出到文件或控制台

# -*- coding: utf-8 -*-
import scrapy
from scrapy.spiders import SitemapSpider
from scrapy.spiders import Spider
from scrapy.http import Request, XmlResponse
from scrapy.utils.sitemap import Sitemap, sitemap_urls_from_robots
from scrapy.utils.gz import gunzip, is_gzipped
import re
import requests

class GetpagesfromsitemapSpider(SitemapSpider):
    name = "test"
    handle_httpstatus_list = [404]

    def parse(self, response):
       print response.url

    def _parse_sitemap(self, response):
        if response.url.endswith('/robots.txt'):
            for url in sitemap_urls_from_robots(response.body):
                yield Request(url, callback=self._parse_sitemap)
        else:
            body = self._get_sitemap_body(response)
            if body is None:
                self.logger.info('Ignoring invalid sitemap: %s', response.url)
                return

            s = Sitemap(body)
            sites = []
            if s.type == 'sitemapindex':
                for loc in iterloc(s, self.sitemap_alternate_links):
                    if any(x.search(loc) for x in self._follow):
                        yield Request(loc, callback=self._parse_sitemap)
            elif s.type == 'urlset':
                for loc in iterloc(s):
                    for r, c in self._cbs:
                        if r.search(loc):
                            sites.append(loc)
                            break
            print sites

    def __init__(self, spider=None, *a, **kw):
            super(GetpagesfromsitemapSpider, self).__init__(*a, **kw)
            self.spider = spider
            l = []
            url = "https://channelstore.roku.com"
            resp = requests.head(url + "/sitemap.xml")
            if (resp.status_code != 404):
                l.append(resp.url)
            else:
                resp = requests.head(url + "/robots.txt")
                if (resp.status_code == 200):
                    l.append(resp.url)
            self.sitemap_urls = l
            print self.sitemap_urls

def iterloc(it, alt=False):
    for d in it:
        yield d['loc']

        # Also consider alternate URLs (xhtml:link rel="alternate")
        if alt and 'alternate' in d:
            for l in d['alternate']:
                yield l

---

这仅仅是因为您的代码实际上除了调用parse_sitemap_url（）函数之外什么都不做，而parse_sitemap_url（）函数什么都不做。另外，您的类MySpider的格式不好，并且有未使用的类变量。你从哪里得到的代码？实际上指的是这个链接。。你能帮我解决这个问题吗？或者告诉我怎么做。这对我现在的业余时间来说有点太复杂了，因为那将是一份真正的工作。通常我喜欢帮助指出代码中的错误或给出建议，但实际上上面的代码还没有完成。它是一个类，您可以在自己的代码中使用，但没有main（）-没有起点-什么都没有，只是一个简单的类设计原型代码：（非常感谢你的帮助。但是我想把这些url添加到元组或列表变量中。你能在这方面扩展你的帮助吗。老兄..很抱歉再次打扰你..但是当我运行这个程序时，我在“self.spider=spider”一行得到缩进错误。所以我在上面的“super”一行中又增加了一个缩进（GetpagesfromsitemapSpider，self）。\uuuuuuuuuuuu初始值（*a，**kw），然后它没有抛出任何错误。但是在屏幕中我没有看到任何结果。我尝试将结果重定向到txt文件。仍然是空的。您能告诉我可能的原因吗。我在linux中运行这个程序。我使用python 2.7@Dataisk。我现在已经用测试版本替换了上面的代码！：）都德..我想你已经完成了，但是有一些小的逻辑错误..当我调试时，我添加了调用类行，然后运行..我看到了作为输入的输出..当我再次检查代码时，我没有看到parse和_parse_sitemap.之类的函数的调用语句..可以重新检查并告诉我完美的代码..提前谢谢..@dataisbeautiful你需要吗o将此爬行器添加到现有的scrapy项目中，然后使用scrapy crawl test调用它。上面的代码可以工作并返回roku.com网站地图上的所有URL