繁体   English   中英

如何获得草率的FormRequest工作

How to get scrapy FormRequest work

提示:本站收集StackOverFlow近2千万问答,支持中英文搜索,鼠标放在语句上弹窗显示对应的参考中文或英文, 本站还提供   中文繁体   英文版本   中英对照 版本,有任何建议请联系yoyou2525@163.com。

我正在尝试使用scrapy从copyright-gov网站获取数据。 这是我的蜘蛛:

from scrapy.spider import BaseSpider
from scrapy.selector import HtmlXPathSelector
from scrapy.http import FormRequest, Request
from scrapy.utils.response import open_in_browser

class CopyrightSpider(BaseSpider):
        name = "copyright_records"
        start_url = ["http://cocatalog.loc.gov/cgi-bin/Pwebrecon.cgi?DB=local&PAGE=First"]

        def parse(self, response):
                yield FormRequest.from_response(response,
                                                formname='querybox',
                                                formdata={'Search_Arg': 'walt disney',  'Search_Code': 'Command Keyword'},
                                                callback=self.parse1)

        def parse1(self, response):

            open_in_browser(response)

运行搜寻器时我没有收到错误,但是我看到0个页面正在被搜寻:

 2015-03-30 15:01:08-0700 [scrapy] INFO: Scrapy 0.24.5 started (bot: copyright_records)
2015-03-30 15:01:08-0700 [scrapy] INFO: Optional features available: ssl, http11
2015-03-30 15:01:08-0700 [scrapy] INFO: Overridden settings: {'NEWSPIDER_MODULE': 'copyright_records.spiders', 'SPIDER_MODULES': ['copyright_records.spiders'], 'BOT_NAME': 'copyright_records'}
2015-03-30 15:01:08-0700 [scrapy] INFO: Enabled extensions: LogStats, TelnetConsole, CloseSpider, WebService, CoreStats, SpiderState
2015-03-30 15:01:08-0700 [scrapy] INFO: Enabled downloader middlewares: HttpAuthMiddleware, DownloadTimeoutMiddleware, UserAgentMiddleware, RetryMiddleware, DefaultHeadersMiddleware, MetaRefreshMiddleware, HttpCompressionMiddleware, RedirectMiddleware, CookiesMiddleware, ChunkedTransferMiddleware, DownloaderStats
2015-03-30 15:01:08-0700 [scrapy] INFO: Enabled spider middlewares: HttpErrorMiddleware, OffsiteMiddleware, RefererMiddleware, UrlLengthMiddleware, DepthMiddleware
2015-03-30 15:01:08-0700 [scrapy] INFO: Enabled item pipelines: 
2015-03-30 15:01:08-0700 [copyright_records] INFO: Spider opened
2015-03-30 15:01:08-0700 [copyright_records] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2015-03-30 15:01:08-0700 [scrapy] DEBUG: Telnet console listening on 127.0.0.1:6023
2015-03-30 15:01:08-0700 [scrapy] DEBUG: Web service listening on 127.0.0.1:6080
2015-03-30 15:01:08-0700 [copyright_records] INFO: Closing spider (finished)
2015-03-30 15:01:08-0700 [copyright_records] INFO: Dumping Scrapy stats:
    {'finish_reason': 'finished',
     'finish_time': datetime.datetime(2015, 3, 30, 22, 1, 8, 867056),
     'log_count/DEBUG': 2,
     'log_count/INFO': 7,
     'start_time': datetime.datetime(2015, 3, 30, 22, 1, 8, 865055)}
2015-03-30 15:01:08-0700 [copyright_records] INFO: Spider closed (finished)

不知道为什么它不起作用,任何帮助将不胜感激,谢谢!

1 个回复

这只是一个错字。

更换:

start_url = ["http://cocatalog.loc.gov/cgi-bin/Pwebrecon.cgi?DB=local&PAGE=First"]

与:

start_urls = ["http://cocatalog.loc.gov/cgi-bin/Pwebrecon.cgi?DB=local&PAGE=First"]
   # HERE^
1 在草率的FormRequest上循环,但仅创建了一项

因此,我试图循环调用一个formrequest,该函数调用创建,填充和产生项的函数,只有pb:无论他循环了多少次,都只完成了一个项,并且只有一项完成了,我不知道为什么? 为了确保一切都清楚:当我运行此命令时,日志“ annonce”仅打印一次,而我的请求循环中的日志a ['id']被打印 ...

2 使用formrequest登录不工作scrapy

我正在尝试登录Interpals ,我尝试了两种登录方法,但似乎无法正常提取csrf-token。 我也试过了log-in-not-working-using-scrapy的答案,但它没有解决 注意:我已删除了我的用户,从代码传递 ...

3 FormRequest第二项工作刮scrap

导航是通过POST填写表格完成的。首先抓取结果就可以了。 错误: 2018-02-24 10:50:06 [scrapy.core.scraper]错误:蜘蛛必须返回Request,BaseItem,dict或None,在其中获得了“列表” ...

2018-02-24 10:17:11 1 32   scrapy
4 抓取的草率限制页无法正常工作

我有一个简单的搜寻器,可以搜寻网站上的所有链接。 我需要基于命令行参数来限制它(例如,boundary = 3)。 我的问题是我无法使CLOSESPIDER_ITEMCOUNT工作。 在settings.py中,我添加了EXTENSIONS = {'scrapy.extensions.closesp ...

7 Emacs草率焦点不再工作 - 改变焦点延迟2秒

我的init.el中有以下设置 这是旨在且先前已在使emacs自动将焦点切换到鼠标悬停在其上的窗口。 但是,现在切换延迟约为2秒。 可能导致这种情况的任何想法,没有其他显着的变化? ...

暂无
暂无

声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.

 
粤ICP备18138465号  © 2020-2021 STACKOOM.COM