标签:提取 框架 url crawlspider #### scrapy 详情页 ###
###
实际上,在一个列表页,上面详情页的地址,还有翻页的地址都是能获取到的,
我们是不是可以单独写一个函数,单独提取详情页的url,单独提取翻页的url?
crawlspider就是做的这个事情,
####
###
这就是创建好的爬虫,
首先继承的父类就是不一样的,
多了一个rules,这个就是定义规则的地方,
第一个参数就是正则表达式,
第二个callback 不是一定要的,可以没有这个参数,因为提取出的url,不需要处理
第三个参数,在提取url的下一个页面是否需要再次按照前面的规则继续提取,
parse函数不见了,这个地方不能定义parse函数,这个函数有特殊的用处,
####
案例:
###
第一个rule,是抓取详情页的标题和发布时间,所以需要callback,但是不需要在详情页继续抓取了,所以不需要fallow,
第二个rule,是为了抓取翻页,因为不需要处理,所以不需要callback,但是需要继续在第二页提取页码,所以需要fallow
####
代码很简单,但是思考会比较多,
这个crawlspider,也是可以主动构造请求的,
###
这个提取出的url地址,并不是完整的,但是crawlspider,自动帮我们补全了,
####
####
标签:提取,框架,url,crawlspider,####,scrapy,详情页,### 来源: https://www.cnblogs.com/andy0816/p/15058985.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。