[英]Scrapy Spider returning only last element when given a list of Selectors
我遇到了一个我放在一起的蜘蛛的问题。 我正在尝试从此站点上的脚本中抓取文本的各个行及其相应的时间戳,并发现了我认为合适的选择器,但是运行时,spider的输出只是最后一行和时间戳。 我见过其他一些有类似问题的人,但还没有找到解决我问题的答案。
这是蜘蛛:
# -*- coding: utf-8 -*-
import scrapy
from this_american_life.items import TalTranscriptItem
class CrawlSpider(scrapy.Spider):
name = "transcript2"
allowed_domains = ["https://www.thisamericanlife.org/radio-archives/episode/1/transcript"]
start_urls = (
'https://www.thisamericanlife.org/radio-archives/episode/1/transcript',
)
def parse(self, response):
item = TalTranscriptItem()
for line in response.xpath('//p'):
item['begin_timestamp'] = line.xpath('//@begin').extract()
item['line_text'] = line.xpath('//text()').extract()
yield item
这里是代码TalTranscriptItem()
在items.py
:
# -*- coding: utf-8 -*-
# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html
import scrapy
class TalTranscriptItem(scrapy.Item):
# define the fields for your item here like:
# name = scrapy.Field()
episode_id = scrapy.Field()
episode_num_text = scrapy.Field()
year = scrapy.Field()
radio_date_text = scrapy.Field()
radio_date_datetime = scrapy.Field()
episode_title = scrapy.Field()
episode_hosts = scrapy.Field()
act_id = scrapy.Field()
line_id = scrapy.Field()
begin_timestamp = scrapy.Field()
speaker_class = scrapy.Field()
speaker_name = scrapy.Field()
line_text = scrapy.Field()
full_audio_link = scrapy.Field()
transcript_url = scrapy.Field()
在scrapy shell
运行时,它似乎可以正常工作(绘制所有文本行),但是由于某种原因,我无法使其在Spider中工作。
我很高兴澄清所有这些问题,非常感谢任何人都可以提供的任何帮助!
如果您希望将每个行都作为项目产生,那么我想这就是您想要的(请注意yield
行的最后一个缩进):
for line in response.css('p'):
item = TalTranscriptItem()
item['begin_timestamp'] = line.xpath('./@begin').extract_first()
item['line_text'] = line.xpath('./text()').extract_first()
yield item
我不知道什么是物品,但您可以这样做:
item = []
for line in response.xpath('//p'):
dictItem = {'begin_timestamp':line.xpath('//@begin').extract(),'line_text':line.xpath('//text()').extract()}
item.append(dictItem)
print(item)
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.