cra草不退还应该的所有物品

Question

我试图让Scrapy爬过一个网站，但仅将其限制在匹配特定模式的页面上，这让我很头疼。

该网站的结构如下：

website.com/category/page1/
website.com/category/page2/
website.com/category/page3/

等等。

我需要它来开始从类别中进行爬网，然后跟踪通往另一页的所有链接（共有375页，当然数量不是固定的）。

问题是它在我停止之前会爬行大约10个页面，但只返回10-15个项目，其中应该有200+

这是我的代码，无法正常工作：

class WSSpider(CrawlSpider):
name = "ws"
allowed_domains = ["website.com"]
start_urls = ["https://www.website.com/category/"]
rules = (
    Rule(LinkExtractor(allow=("/level_one/page*",)), callback="parse_product", follow=True),
)

    def parse_product(self, response):
        sel = Selector(response)
        sites = sel.css(".pb-infos")
        items = []

        for site in sites:
            item = Website()
            item["brand"] = site.css(".pb-name .pb-mname::text").extract()
            item["referinta"] = site.css(".pb-name a::text").extract()
            item["disponibilitate"] = site.css(".pb-availability::text").extract()
            item["pret_vechi"] = site.css(".pb-sell .pb-old::text").extract()
            item["pret"] = site.css(".pb-sell .pb-price::text").extract()
            item["procent"] = site.css(".pb-sell .pb-savings::text").extract()
            items.append(item)

        #return items
        f = open("output.csv", "w")
        for item in items:
            line = \
                item["brand"][0].strip(), ";", \
                item["referinta"][-1].strip(), ";", \
                item["disponibilitate"][0].strip(), ";", \
                item["pret_vechi"][0].strip().strip(" lei"), ";", \
                item["pret"][0].strip().strip(" lei"), ";", \
                item["procent"][0].strip().strip("Mai ieftin cu "), "\n"
            f.write("".join(line))
        f.close()

任何帮助深表感谢！

Answer 1

我发现了（愚蠢的）错误。

f = open("output.csv", "w")

实际上应该是

f = open("output.csv", "a")

Answer 2

我曾经写过一个Python抓取工具，用于在关闭内部Wiki网站之前下载它-遇到了一个问题，即我们的Intranet或Wiki服务器正在限制我的脚本对内容的访问。 我认为有一种方法可以告诉scrapy访问速度较慢。

我遇到的另一个问题是身份验证-Wiki的某些部分需要登录才能读取。

另一个问题是您每次都覆盖output.csv ...

Answer 3

parse_product是异步的，请改用CsvItemExporter 。 http://doc.scrapy.org/en/latest/topics/exporters.html#csvitemexporter