我一直在通過教程,適應它到我想實現的項目。我似乎有什麼問題,我只是無法找到錯誤。建議提取// td文本和數字
當使用'scrapy shell'時,我可以得到我期望的迴應。所以對於這個網站Nrl Ladder
In [1]: hxs.select('//td').extract()
Out[1]:
[u'<td>\r\n<div id="ls-nav">\r\n<ul><li><a href="http://www.nrlstats.com/"><span>Home</span></a></li>\r\n<li class="ls-nav-on"><a href="/nrl"><span>NRL</span></a></li>\r\n<li><a href="/nyc"><span>NYC</span></a></li>\r\n<li><a href="/rep"><span>Rep Matches</span></a></li>\r\n\r\n</ul></div>\r\n</td>',
u'<td style="text-align:left" colspan="5">Round 4</td>',
u'<td colspan="5">Updated: 26/3/2012</td>',
u'<td style="text-align:left">1. Melbourne</td>',
u'<td>4</td>',
u'<td>4</td>',
u'<td>0</td>',
u'<td>0</td>',
u'<td>0</td>',
u'<td>122</td>',
u'<td>39</td>',
u'<td>83</td>',
u'<td>8</td>',
u'<td style="text-align:left">2. Canterbury-Bankstown</td>',
而就此。
我真的很努力去理解如何改變教程項目以將其更改爲不同的數據類型。
無論如何,當使用'td'或任何其他項目時,是否有任何幫助或文檔列表來查看我應該在物品中使用哪些類型。就像我說的,它在shell中很容易運行,但我無法將其轉換爲文件。具體來說,球隊名稱和得分都是'td',但球隊名稱是文本。
這裏是我所做的。
from scrapy.spider import BaseSpider
from scrapy.selector import HtmlXPathSelector
from nrl.items import NrlItem
class nrl(BaseSpider):
name = "nrl"
allowed_domains = ["http://live.nrlstats.com/"]
start_urls = [
"http://live.nrlstats.com/nrl/ladder.html",
]
def parse(self, response):
hxs = HtmlXPathSelector(response)
sites = hxs.select('//td')
items = []
for site in sites:
item = nrlItem()
item['team'] = site.select('/text()').extract()
item['points'] = site.select('/').extract()
items.append(item)
return items
你試過BeautifulSoup?這是一個更多的手冊,但你可能可以得到更多的控制,這樣 – 2012-03-27 01:53:07
不,但也許如果這不起作用,我會的。 – sayth 2012-03-27 02:48:16
@PreetKukreti事實證明,scrapy可以使用beautifulsoup以及http://doc.scrapy.org/en/latest/topics/spiders.html – sayth 2012-03-27 11:13:09