记录一次scrapy的crawlspider 详情页自动路径拼接问题

我在运行scrapy  crawlspider的时候,发现首页200请求成功,但是详情页返回404,于是,进入网站,查看详情页链接是什么样子

这是列表页

直接鼠标右键,新页面打开,发现网页正常,链接如下:

 

这下知道原因了,是crawlspider的路径拼接有问题,

正常打开的链接是https://www.xxx.com/xwzx/dzyw/202005/t2020058.html

而crawlspider 它自己拼接的链接是 https://www.xxx.com/202005/t2020058.html

它没有带上xwzx/dzyw这个前缀,因此,运行该爬虫,返回了404异常状态码

果断开始各种度娘谷哥,没有相关介绍,em~~我去看看scrapy官方文档,也没有...

 

无奈,自己去看源码

ctrl + 鼠标左键,进入crawlspider Rule的源码

但我打印attr_val 时发现它是正常的,那么问题就出在了base_url身上

知道了原因,那么就接着寻找base_url从哪里来的,我发现base_url就在刚开始的lxmlhtml.py这个文件夹中,再次上图

再次深入的时候,发现base_url在 response.py get_base_url里,但是没有摸透这一块,因为_baseurl_cache我打印不出来,这是一个对象- -,

好吧,只能使用治标不治本的方法,回到lxmlhtml.py这个文件中,强行更改base_url

如果有大佬有别的好的解决方案,烦请告知,我这个方法只能解决一下燃眉之急~~~

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值