[英]Close a scrapy spider when a condition is met and return the output object
我已经做了蜘蛛获取某个页面的评论是这样这里使用scrapy。 我只想在特定日期(在这种情况下为2016年7月2日)之前进行商品评论。 我想在审查日期早于给定日期时关闭蜘蛛,然后返回项目列表。 Spider运行良好,但是我的问题是,如果满足条件,我将无法关闭Spider。如果我引发异常,Spider将关闭而不返回任何内容。 请提出手动关闭蜘蛛网的最佳方法。 这是我的代码:
from scrapy.spiders import CrawlSpider, Rule
from scrapy.linkextractors import LinkExtractor
from scrapy import Selector
from tars.items import FlipkartProductReviewsItem
import re as r
import unicodedata
from datetime import datetime
class Freviewspider(CrawlSpider):
name = "frs"
allowed_domains = ["flipkart.com"]
def __init__(self, *args, **kwargs):
super(Freviewspider, self).__init__(*args, **kwargs)
self.start_urls = [kwargs.get('start_url')]
rules = (
Rule(LinkExtractor(allow=(), restrict_xpaths=('//a[@class="nav_bar_next_prev"]')), callback="parse_start_url", follow= True),
)
def parse_start_url(self, response):
hxs = Selector(response)
titles = hxs.xpath('//div[@class="fclear fk-review fk-position-relative line "]')
items = []
for i in titles:
item = FlipkartProductReviewsItem()
#x-paths:
title_xpath = "div[2]/div[1]/strong/text()"
review_xpath = "div[2]/p/span/text()"
date_xpath = "div[1]/div[3]/text()"
#field-values-extraction:
item["date"] = (''.join(i.xpath(date_xpath).extract())).replace('\n ', '')
item["title"] = (''.join(i.xpath(title_xpath).extract())).replace('\n ', '')
review_list = i.xpath(review_xpath).extract()
temp_list = []
for element in review_list:
temp_list.append(element.replace('\n ', '').replace('\n', ''))
item["review"] = ' '.join(temp_list)
xxx = datetime.strptime(item["date"], '%d %b %Y ')
comp_date = datetime.strptime('02 Jul 2016 ', '%d %b %Y ')
if xxx>comp_date:
items.append(item)
else:
break
return(items)
要强制蜘蛛关闭,可以使用scrapy docs中此处描述的raise CloseSpider
异常。 只要确保在退货前退还/交出物品即可。
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.