Python 表中URL中的冗余参数

大家好

我目前正在使用Python2.7开发一个Scrapy Webcrawler，虽然我知道C和Web语言，但我对Python和Scrapy库有点迷茫

我希望做的是抓取一个返回JSON数据的URL，并根据预定义的参数表更改URL中的参数

URL如下所示：

xxx&To=yyy&number=42

在这里，我想替换存储在不同文件中的一组数据中的所有xxx，yyy，42，并使用每个参数循环爬虫程序

我知道我能做到：

    def __init__(self, fromdat='xxx', todat='yyy'):
    self.start_urls = ["http://helloworld.com/data?From=%s&To=%s/" % (fromdat, todat)]

然后在命令行中使用-a命令指定参数，但这需要人工干预，我不希望这样

我也尝试过：

class QuotesSpider(scrapy.Spider):
name = "histo"
tab1=[1000,10]

def start_requests(self, tab1):
    for i in tab1:
        urls = 'http://www.helloworld.com/data?number=%d'% i
        yield scrapy.Request(url=url, callback=self.parse)


    def parse(self, response):
        page = response.url.split("/")[-2]
        filename = 'histo-%s.html' % page
        with open(filename, 'wb') as f:
            f.write(response.body)
        self.log('Saved file %s' % filename)

但这似乎也不管用

我有点迷路了，所以欢迎任何帮助！：）

提前非常感谢，祝你有愉快的一天

不接受任何其他参数，请执行以下操作：

class QuotesSpider(scrapy.Spider):
    name = "histo"
    tab1 = [1000,10]

    def start_requests(self):
        for i in self.tab1:
            urls = 'http://www.helloworld.com/data?number=%d' % i
            yield scrapy.Request(url=url, callback=self.parse)

    def parse(self, response):
        page = response.url.split("/")[-2]
        filename = 'histo-%s.html' % page
        with open(filename, 'wb') as f:
            f.write(response.body)
        self.log('Saved file %s' % filename)

---

请注意

parse（）

是如何缩进的。

非常感谢，它确实有效！是的，很抱歉，关于Python中的缩进，我有点麻烦，我真的不习惯它，但是在纠正它之后，它工作得很好。然而，在恢复爬虫收集的数据方面，我仍然有一个小问题：从您的代码中，我刚刚在“屈服”中修改了从（url=url）到（url=url）的请求，以便废弃我的数据。但是，刮取的数据首先写入一个文件，然后用URL中包含的数据覆盖第二个参数。我的愿望是把所有的数据合并到一个文件中..谢谢lot@M.C.好的，我想你的意思是使用

a

模式而不是

wb

。让我知道这就是你的意思。谢谢。感谢您抽出时间，实际上，在open（文件名为“wb”）中使用“a”模式而不是“wb”，不会改变任何东西（我在Windows上，但project在Raspberry Pi上运行spider）。我的代码被支持在单独的html文件中编写每个提取，但是数据在同一个文件中被覆盖，我不明白为什么。