Scrapy不在请求url之后
下面是代码。基本上,我是在抓取电影信息。来自IMDB.com。但不知何故,请求并没有废弃对象“addr”中的url。我放在parse_item2中的“print”根本不显示 这让我发疯。我花了好几个小时。有经验的人能帮忙吗?非常感谢你Scrapy不在请求url之后,url,request,scrapy,Url,Request,Scrapy,下面是代码。基本上,我是在抓取电影信息。来自IMDB.com。但不知何故,请求并没有废弃对象“addr”中的url。我放在parse_item2中的“print”根本不显示 这让我发疯。我花了好几个小时。有经验的人能帮忙吗?非常感谢你 # code for the spider from scrapy.contrib.spiders import CrawlSpider, Rule from scrapy.contrib.linkextractors.sgml import
# code for the spider
from scrapy.contrib.spiders import CrawlSpider, Rule
from scrapy.contrib.linkextractors.sgml import SgmlLinkExtractor
from scrapy.selector import Selector
from scrapy.http import Request, Response
from beta.items import BetaItem
import urllib2
class AlphaSpider(CrawlSpider):
name = 'alpha'
allowed_domains = ['amazon.com','imdb.com']
start_urls = ['http://www.imdb.com/search/title?at=0&sort=boxoffice_gross_us&title_type=feature&year=2005,2005']
rules = (Rule(SgmlLinkExtractor(restrict_xpaths=('//td/a',), allow=('/title/')), callback='parse_item1'),
)
def parse_item1(self, response):
sel = Selector(response)
item = BetaItem()
idb = sel.xpath('//link[@rel="canonical"]/@href').extract()
idb = idb[0].split('/')[-2]
item['idb'] = idb
title = sel.xpath('//h1[@class="header"]/span[@class="itemprop"]/text()').extract()
item['title'] = title
addr = 'http://www.imdb.com/title/' + idb + '/business'
request = Request(addr, callback=self.parse_item2)
request.meta['item'] = item
return request
def parse_item2(self, response):
print 'I am here'
item = response.meta['item']
sel = Selector(response)
# BLA BLA BLA
return item
问题的原因确实正如Blender在上面的评论中所说。为某个特定请求抓取内容需要相当长的时间。解析项目1有效吗?
addr
指向的页面是否存在?嗨,Blender,是的,可以对“idb”和“title”进行爬网。可能需要一段时间才能到达提取的链接,因为Scrapy的爬网队列是LIFO。你能在一个特定的页面上测试它吗?我试过了,但它仍然不符合要求。对有效的URL有什么特殊要求吗?在本例中,url是utf-8字符串:“http://www.imdb.com/title/tt0360717/”。(增加空格)