scrapy获取html不能写入到文件中,html – scrapy – 如何从’div’获取文本

我刚刚开始了解scrapy.现在我正在尝试通过以下教程进行爬网.但我很难从div抓取文本.

这是items.py

from scrapy.item import Item,Fied

class DmozItem(Item):

name = Field()

title = Field()

pass

这是dmoz_spider.py

from scrapy.spider import BaseSpider

from scrapy.selector import HtmlXPathSelector

from scrapy.item import Item

from dmoz.items import DmozItem

class DmozSpider(BaseSpider):

name = "dmoz"

allowed_domains = ["roxie.com"]

start_urls = ["http://www.roxie.com/events/details.cfm?eventID=4921702B-9E3D-8678-50D614177545A594"]

def parse(self,response):

hxs = HtmlXPathSelector(response)

sites = hxs.select('//div[@id="eventdescription"]')

items = []

for site in sites:

item = DmozItem()

item['name'] = hxs.select("text()").extract()

items.append(item)

return items

现在我试图通过命令这个从顶级文件夹爬行:

scrapy crawl dmoz -o scraped_data.json -t json

但该文件仅使用'[‘创建.

它完美地在控制台中工作(通过命令每个选择),但不知何故它不能用作脚本.我真的是scrapy的首发.你们能告诉我如何获得“div”中的数据吗?提前致谢.

*此外,这是我得到的.

2013-06-19 08:43:56-0700 [scrapy] INFO: Scrapy 0.16.5 started (bot: dmoz)

/System/Library/Frameworks/Python.framework/Versions/2.6/Extras/lib/python/twisted/web/microdom.py:181: SyntaxWarning: assertion is always true,perhaps remove parentheses?

assert (oldChild.parentNode is self,2013-06-19 08:43:56-0700 [scrapy] DEBUG: Enabled extensions: FeedExporter,LogStats,TelnetConsole,CloseSpider,WebService,CoreStats,SpiderState

2013-06-19 08:43:56-0700 [scrapy] DEBUG: Enabled downloader middlewares: HttpAuthMiddleware,DownloadTimeoutMiddleware,UserAgentMiddleware,RetryMiddleware,DefaultHeadersMiddleware,RedirectMiddleware,CookiesMiddleware,HttpCompressionMiddleware,ChunkedTransferMiddleware,DownloaderStats

2013-06-19 08:43:56-0700 [scrapy] DEBUG: Enabled spider middlewares: HttpErrorMiddleware,OffsiteMiddleware,RefererMiddleware,UrlLengthMiddleware,DepthMiddleware

2013-06-19 08:43:56-0700 [scrapy] DEBUG: Enabled item pipelines:

2013-06-19 08:43:56-0700 [dmoz] INFO: Spider opened

2013-06-19 08:43:56-0700 [dmoz] INFO: Crawled 0 pages (at 0 pages/min),scraped 0 items (at 0 items/min)

2013-06-19 08:43:56-0700 [scrapy] DEBUG: Telnet console listening on 0.0.0.0:6023

2013-06-19 08:43:56-0700 [scrapy] DEBUG: Web service listening on 0.0.0.0:6080

2013-06-19 08:43:56-0700 [dmoz] DEBUG: Crawled (200)

  • 0
    点赞
  • 0
    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