我有一个网站,我想从中提取数据。 数据检索非常简单。
它使用HTTP POST获取参数并返回JSON对象。 所以,我有一个我想要做的查询列表,然后以一定的间隔重复更新数据库。 scrapy适合这个还是我应该使用其他东西?
我实际上不需要关注链接,但我确实需要同时发送多个请求。
看起来像POST请求怎么样? 有许多变体,例如简单查询参数(?a=1&b=2),类似形式的有效负载(主体包含a=1&b=2)或任何其他类型的有效负载(主体包含某种格式的字符串,如json或xml)。
在scrapy中发出POST请求相当简单,请参阅:http://doc.scrapy.org/en/latest/topics/request-response.html#request-usage-examples
例如,您可能需要以下内容:
# Warning: take care of the undefined variables and modules!
def start_requests(self):
payload = {"a": 1,"b": 2}
yield Request(url, self.parse_data, method="POST", body=urllib.urlencode(payload))
def parse_data(self, response):
# do stuff with data...
data = json.loads(response.body)
基于我对该问题的理解,您只想以一定的间隔从网页中获取/抓取数据。