笔记~要点
1.爬取下一个链接,提取url,调用scrapy.Request()。scrapy.Request能创建一个requests,同时指定提取数据的callback函数,以及利用meta传递数据
next_page_url = response.xpath("//a[text()="下一页"]/@href").extract()
while len(next_page_url)>0:
yield scrapy.Request(next_page_url,callback = self.parse)
#scrapy.Request(url,[,callback,method="GET",headers,body,cookits,meta,dont_filter=False])
'''
callback:指定传入的url交给哪个解析函数去处理;
meta:实现在不同的解析函数中传递数据,meta默认会携带部分信息,比如下载延迟,请求深度等;
dont_filter:让scrapy去重不会过滤当前url,scrapy默认有url去重的功能,对需要重复请求的url有用
'''
#meta例子
def parse(self,response):
'''
平时解析的代码放这,得到item
'''
yield item
#下一个链接
yield scrapy.Request(next_url,callback = self.parse,meta={"item":item})
def parse1(self,response):
#实现item的传递
item = response.meta["item"]
2.Scrapy深入之认识程序的debug信息
3.Scrapy深入之scrapy shell
Scrapy shell是一个交互终端,可以在未启动spider的情况下尝试及调试代码,也可以用来测试XPath表达式
- 使用方法:scrapy shell http://www.itcast.cn/channel/teacher.shtml
- response.url:当前响应的url地址
- response.request.url:当前响应对应的请求的url地址
- response.headers:响应头
- response.body:响应体,也就是html代码,默认是byte类型
- response.requests.headers:当前响应的请求头