[英]scrapy python CrawlSpider not crawling
import scrapy
from scrapy.spiders.crawl import CrawlSpider, Rule
from scrapy.linkextractors import LinkExtractor
class MySpider(CrawlSpider):
name = 'genericSpider'
allowed_domains = ['example.com']
start_urls = [url_1, url_2, url_3]
rules = [
Rule(
LinkExtractor(),
callback='parse',
follow=True
),
]
def parse(self, response):
hxs = scrapy.Selector(response)
links = hxs.xpath('*//a/@href').extract()
for link in links:
print(link)
print()
我正在尝试抓取网站。 对于我的代码示例,我只是提取所有链接并将它们打印到终端上。
这个过程非常适合start_urls中的URL,但似乎爬虫似乎不会抓取提取的URL。
这是CrawlSpider的重点,对吗? 访问页面,收集其链接并访问所有这些链接,直到其用尽?
我被困了几天,任何帮助都会很棒。
问题是您将方法parse
命名。 根据文档 ,在使用CrawlSpider
情况下应避免使用此名称,因为它会导致问题。 只需将方法重命名为parse_link
(并在Rule
调整callback
参数),它将起作用。
另外,请记住, allowed_domains
属性必须与您要爬网的URL匹配。
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.