使用Python和Scrapy的IMDB Scraper

好吧，我是编程新手，我想最好的学习方法是编程。我的部分工作包括在IMDB上搜索一部电影，粘贴导演、编剧、前四名演员，以及Excel电子表格中IMDB页面的链接

我的最终目标是有一个带有电影标题和年份的CSV，让scraper从CSV中获取这些变量，搜索IMDB，提取数据，并将数据导出到新的CSV中

我有大约一个星期的阅读和研究。我已经成功地通过了Scrapy教程，但是我很难从那里达到想要的目的

如何将CSV中的值导入spider脚本？我想它看起来会像这样：

name = COLUMN1
year = COLUMN2

class imdb_spider(scrapy.Spider):
  name = "imdb"
  allowed_domains = ["imdb.com"]
  start_urls = [
    "http://www.imdb.com/find?ref_=nv_sr_fn&q=/(name)&(year)"
    ]

但我不知道如何从CSV文件中提取

从那里开始，我需要蜘蛛跟随页面上的第一个链接，即电影名称，然后是后续页面上的see full cast和crew链接。 我需要的所有信息都在最后一页：

定义提取什么对我来说真的很困惑。 以下是我使用firebug提取的内容：

主任:

作者：

如果可能，参与者只需要前四个：

... 我不知道如何定义页面链接本身

之后，我只需要在整个列表中循环它，并用数据保存一个新的CSV

我知道这是一个激烈的问题，我不会要求任何人为我编写代码。如果我知道该去哪里/如何解决这个问题，我愿意投入工作。我正在阅读这些零碎的文档，但仍然不清楚

如果有比Python和Scrapy更好的方法，请告诉我

谢谢

---

编辑：Mac OS x 10.10.1、Python 2.7、Scrapy 0.24.4、用于编辑的TextWrangler

csv模块非常方便，对于具有不规则/空字段的选项卡分隔文件也很有用。导入csv

    with open('something_something_darkside.txt', 'rb') as f:
        data = list(csv.reader(f,delimiter='\t'))
        for row in data:

至于网页，我找到了使用BeautifulSoup将html转换为xml的方法，并使用xml解析器提取我需要的内容。这些方法可能已经过时，但仍然可靠