刮刮

Question

我正在尝试对scrapy进行更深入的研究，但只能获得我正在抓取的内容的标题，而没有任何细节。 这是我到目前为止的代码：

from scrapy.spider import BaseSpider
from scrapy.selector import HtmlXPathSelector
from tcgplayer1.items import Tcgplayer1Item

class MySpider(BaseSpider):
    name = "tcg"
    allowed_domains = ["http://www.tcgplayer.com/"]
    start_urls = ["http://store.tcgplayer.com/magic/journey-into-nyx?PageNumber=1"]

    def parse(self, response):
        hxs = HtmlXPathSelector(response)
        titles = hxs.select("//div[@class='magicCard']")
        vendor = hxs.select("//tr[@class='vendor']")
        items = []

        for titles in titles:
            item = Tcgplayer1Item()
            item ["cardname"] = titles.select("//li[@class='cardName']/a/text()").extract()
            item ["price"] = vendor.select("//td[@class='price']/br/text()").extract()
            item ["quantity"] = vendor.select("//td[@class='quantity']/td/text()").extract()
            items.append(item)
        return items

我无法获得价格和数量来显示任何结果。 每张卡都有几个供应商，每个供应商都有自己的价格和数量。 我认为那是我遇到问题的地方。 任何帮助将不胜感激。

Answer 1

首先，这是代码的固定版本：

from scrapy.spider import BaseSpider
from scrapy.selector import Selector
from tcgplayer1.items import Tcgplayer1Item


class MySpider(BaseSpider):
    name = "tcg"
    allowed_domains = ["http://www.tcgplayer.com/"]
    start_urls = ["http://store.tcgplayer.com/magic/journey-into-nyx?PageNumber=1"]

    def parse(self, response):
        hxs = Selector(response)
        titles = hxs.xpath("//div[@class='magicCard']")
        for title in titles:
            item = Tcgplayer1Item()
            item["cardname"] = title.xpath(".//li[@class='cardName']/a/text()").extract()[0]

            vendor = title.xpath(".//tr[@class='vendor ']")
            item["price"] = vendor.xpath("normalize-space(.//td[@class='price']/text())").extract()
            item["quantity"] = vendor.xpath("normalize-space(.//td[@class='quantity']/text())").extract()
            yield item

该代码存在多个问题：

• vendor类名称需要包含一个尾随空格：“供应商”-很难找到
• 每个项目有多个供应商-您需要在循环中定义vendor
• 您正在循环中重新定义titles变量
• 循环中的xpath表达式应该是相对的.//
• 使用Selector而不是不HtmlXPathSelector使用的HtmlXPathSelector
• 使用xpath()代替不推荐使用的select()
• 使用normalize-space()消除price和quantity xpath中的换行和多余空间

Answer 2

首先，你可以改变

item ["price"] = vendor.select("//td[@class='price']/br/text()").extract()
item ["quantity"] = vendor.select("//td[@class='quantity']/td/text()").extract()

至：

item ["price"] = titles.select("//td[@class='price']/br/text()").extract()
item ["quantity"] = titles.select("//td[@class='quantity']/td/text()").extract()

这将确保您仅获得所需卡的价格和数量行。

您可能还必须从选择器中删除/ br和/ td，因此您的代码应如下所示：

item ["price"] = titles.select("//td[@class='price']/text()").extract()
item ["quantity"] = titles.select("//td[@class='quantity']/text()").extract()