Python 使web刮刀产生更多信息
我已经编写了一个简单的web scraper,它从Python 使web刮刀产生更多信息,python,web-scraping,scrapy,Python,Web Scraping,Scrapy,我已经编写了一个简单的web scraper,它从csv文件中的地址和邮政编码中提取街道名称和该街道的序列号。我想将街道名称、序列号和邮政编码保存在一个新的csv文件中,但我不知道如何将邮政编码传递给我的parse()方法,因为我通过以下方式从cmd调用爬行器: scrapy crawl Geospider -o Scraped_data.csv -t csv 这是我的spider(由于我正在抓取的页面需要登录名和密码,所以代码实际上无法工作,我不会提供我的,但任何人都可以注册为用户,这不是我
csv
文件中的地址和邮政编码中提取街道名称和该街道的序列号。我想将街道名称、序列号和邮政编码保存在一个新的csv
文件中,但我不知道如何将邮政编码传递给我的parse()
方法,因为我通过以下方式从cmd
调用爬行器:
scrapy crawl Geospider -o Scraped_data.csv -t csv
这是我的spider(由于我正在抓取的页面需要登录名和密码,所以代码实际上无法工作,我不会提供我的,但任何人都可以注册为用户,这不是我的问题的一部分):
关于如何将ZipCode传递到Parse()
,以便将ZipCode与其他结果一起保存,您有什么想法吗
感谢您覆盖
启动请求
,读取那里的csv文件并在请求中传递zip
。meta
将适用于您:
from scrapy.http import Request
from scrapy.spider import BaseSpider
from scrapy.selector import XmlXPathSelector
from scrapy.item import Item, Field
import csv
class Road(Item):
RoadNum = Field()
RoadName = Field()
PostNum = Field()
def unicode_csv_reader(utf8_data, dialect=csv.excel, **kwargs):
csv_reader = csv.reader(utf8_data, dialect=dialect, **kwargs)
for row in csv_reader:
yield [unicode(cell, 'utf-8') for cell in row]
class Geospider(BaseSpider):
name = 'Geospider'
allowed_domains = ["http://kortforsyningen.kms.dk/"]
start_urls = []
def start_requests(self):
reader = unicode_csv_reader(open('AddressesAndZipcodes.csv'))
for row in reader:
address, zip_code = row[:2]
url = 'http://kortforsyningen.kms.dk/service?ServiceName=geoV&soegemetode=0&vejnavn=%s&kommunepost=%s&format=XML&max_hits=10&login=xxx&password=xxx' % (address, zip_code)
yield Request(url=url, meta={'zip_code': zip_code})
def parse(self, response):
xxs = XmlXPathSelector(response)
sites = xxs.select('//dokument/forekomst')
item = Road()
item['RoadNum'] = sites.select("vejkode/text()").extract()
item['RoadName'] = sites.select("vejnavn/text()").extract()
item['PostNum'] = response.meta['zip_code']
yield item
希望对您有所帮助。有关如何使用request.meta和Scrapy识别的特殊密钥,请参见。
from scrapy.http import Request
from scrapy.spider import BaseSpider
from scrapy.selector import XmlXPathSelector
from scrapy.item import Item, Field
import csv
class Road(Item):
RoadNum = Field()
RoadName = Field()
PostNum = Field()
def unicode_csv_reader(utf8_data, dialect=csv.excel, **kwargs):
csv_reader = csv.reader(utf8_data, dialect=dialect, **kwargs)
for row in csv_reader:
yield [unicode(cell, 'utf-8') for cell in row]
class Geospider(BaseSpider):
name = 'Geospider'
allowed_domains = ["http://kortforsyningen.kms.dk/"]
start_urls = []
def start_requests(self):
reader = unicode_csv_reader(open('AddressesAndZipcodes.csv'))
for row in reader:
address, zip_code = row[:2]
url = 'http://kortforsyningen.kms.dk/service?ServiceName=geoV&soegemetode=0&vejnavn=%s&kommunepost=%s&format=XML&max_hits=10&login=xxx&password=xxx' % (address, zip_code)
yield Request(url=url, meta={'zip_code': zip_code})
def parse(self, response):
xxs = XmlXPathSelector(response)
sites = xxs.select('//dokument/forekomst')
item = Road()
item['RoadNum'] = sites.select("vejkode/text()").extract()
item['RoadName'] = sites.select("vejnavn/text()").extract()
item['PostNum'] = response.meta['zip_code']
yield item