python中的start_在scrapy框架python的start_urls列表中为url构造...

我对Scrapy非常陌生,而且之前我没有使用过正则表达式

以下是我的spider.py代码

class ExampleSpider(BaseSpider):

name = "test_code

allowed_domains = ["www.example.com"]

start_urls = [

"http://www.example.com/bookstore/new/1?filter=bookstore",

"http://www.example.com/bookstore/new/2?filter=bookstore",

"http://www.example.com/bookstore/new/3?filter=bookstore",

]

def parse(self, response):

hxs = HtmlXPathSelector(response)

现在,如果我们看一下start_urls,则所有三个url都相同,除了它们的整数值2?,3?不同.依此类推,我的意思是根据网站上显示的URL不受限制,我现在可以使用crawlspider并为URL构造正则表达式,如下所示,

from scrapy.contrib.spiders import CrawlSpider, Rule

from scrapy.contrib.linkextractors.sgml import SgmlLinkExtractor

import re

class ExampleSpider(CrawlSpider):

name = 'example.com'

allowed_domains = ['example.com']

start_urls = [

"http://www.example.com/bookstore/new/1?filter=bookstore",

"http://www.example.com/bookstore/new/2?filter=bookstore",

"http://www.example.com/bookstore/new/3?filter=bookstore",

]

rules = (

Rule(SgmlLinkExtractor(allow=(........),))),

)

def parse(self, response):

hxs = HtmlXPathSelector(response)

您能否指导我,如何为上述start_url列表构建抓取蜘蛛规则.

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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