解决python3.6下scrapy中xpath.extract()匹配出来的内容转成json与.csv文件没有编码(unicode)的问题

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/wangbowj123/article/details/79179739

初学scrapy,利用xpath对网页结构进行匹配,写的parse函数如下:

    def parse(self, response):

        teacherList = response.xpath('//div[@class="li_txt"]')
        teacherItem = []
        for node in teacherList:
            item = ItcastItem()
            name = node.xpath('./h3/text()').extract()
            title = node.xpath('./h4/text()').extract()
            info = node.xpath('./p/text()').extract()
            item['name'] = name[0]
            item['title'] = title[0]
            item['info'] = info[0]

            teacherItem.append(item)

执行

scrapy crawl itcast -o teacher.json

之后发现json文件里的东西是没有编码的数据,查阅相关资料后,发现在settings.py文件中加一句话便可以完美解决问题:

FEED_EXPORT_ENCODING = 'utf-8'

关于转成excel的.csv文件,根据实测utf-8的编码不合适,所以应转成gbk编码格式:

FEED_EXPORT_ENCODING = 'gbk'
展开阅读全文

没有更多推荐了,返回首页