Scrapy 动态生成初始 URL

import scrapy, json, requests
from bs4 import BeautifulSoup
import pandas as pd


item = WasdeItem()

class WasdeSpider(scrapy.Spider):
    name = 'WASDE'
    allowed_domains = ['usda.library.cornell.edu']

    # 动态生成初始 URL
    def start_requests(self):
        # start_urls = []
        for i in range(1,12):
            url = 'https://usda.library.cornell.edu/concern/publications/3t945q76s?locale=en&page={page}#release-items'.format(page=i)
            yield scrapy.Request(url=url, callback=self.parse)

    # 解析每个 start_requests 中的初始 URL
    def parse(self, response):
        html = response.body
        soup = BeautifulSoup(html, 'lxml')
        trs = soup.select('#release-items > tr')
        for tr in trs:
            a_s = tr.select('a.file_download')
            for a in a_s:
                release_date = a.get('data-release-date').strip()
        
  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Scrapy框架中,`start_urls`是Spider类中的一个属性,用于定义爬虫开始爬取的初始URL列表。 `start_urls`是一个包含初始URL的列表,每个URL都是爬虫程序开始爬取的起始点。当启动爬虫时,Scrapy会自动从`start_urls`中逐个发送请求,并将响应传递给指定的回调函数进行处理。 以下是`start_urls`属性的使用方法: 1. 在Spider类中定义`start_urls`属性,并将起始URL以字符串形式添加到列表中。例如: ```python class MySpider(scrapy.Spider): name = 'my_spider' start_urls = [ 'https://example.com/page1', 'https://example.com/page2', # ... ] ``` 2. Scrapy会自动将列表中的每个URL发送请求,并将响应传递给默认的回调函数`parse()`进行处理。你也可以通过指定其他的回调函数来处理这些请求的响应。例如: ```python class MySpider(scrapy.Spider): name = 'my_spider' start_urls = [ 'https://example.com/page1', 'https://example.com/page2', # ... ] def parse(self, response): # 处理响应数据 pass ``` 3. 在回调函数中,你可以编写代码来解析响应、提取数据、构建新的请求等操作。可以使用Scrapy提供的解析工具(如Selector、XPath或CSS选择器)来提取所需的数据。 需要注意的是,`start_urls`属性是一个列表,你可以根据需要添加多个起始URLScrapy会依次发送请求并处理响应,直到列表中的所有URL都被爬取完毕。 另外,你也可以通过重写Spider类中的`start_requests()`方法来自定义起始请求的生成方式,而不使用`start_urls`属性。 总结来说,`start_urls`是Scrapy框架中Spider类的一个属性,用于定义爬虫开始爬取的初始URL列表。当启动爬虫时,Scrapy会自动从`start_urls`中发送请求,并将响应传递给指定的回调函数进行处理。

“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