从第二组链接中抓取,抓取页面

从第二组链接中抓取,抓取页面,第1张

从第二组链接中抓取,抓取页面

让我们从逻辑开始:

  1. 抓取首页-获取所有城市
  2. 抓取城市页面-获取所有单元网址
  3. 抓取单元页面-获取所有所需数据

我已经在下面的示例中举例说明了如何实现此目的。我找不到您在示例代码中提到的所有信息,但是希望该代码足够清晰,以使您了解它的作用以及如何添加所需的信息。

import scrapyclass QuotesSpider(scrapy.Spider):    name = "quotes"    start_urls = [        'http://www.unitestudents.com/', ]    # Step 1    def parse(self, response):        for city in response.xpath('//select[@id="frm_homeSelect_city"]/option[not(contains(text(),"Select your city"))]/text()').extract(): # Select all cities listed in the select (exclude the "Select your city" option) yield scrapy.Request(response.urljoin("/"+city), callback=self.parse_citypage)    # Step 2    def parse_citypage(self, response):        for url in response.xpath('//div[@]/h3/span/a/@href').extract(): #Select for each property the url yield scrapy.Request(response.urljoin(url), callback=self.parse_unitpage)        # I could not find any pagination. Otherwise it would go here.    # Step 3    def parse_unitpage(self, response):        unitTypes = response.xpath('//div[@]/h5/text()').extract() + response.xpath('//h4[@]/text()').extract()        for unitType in unitTypes: # There can be multiple unit types so we yield an item for each unit type we can find. yield {     'name': response.xpath('//h1/span/text()').extract_first(),     'type': unitType,     # 'price': response.xpath('XPATH GOES HERE'), # Could not find a price on the page     # 'distance_beds': response.xpath('XPATH GOES HERE') # Could not find such info }

我认为代码非常干净和简单。注释应阐明为什么我选择使用for循环。如果不清楚,请告诉我,我会尽力解释。



欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/zaji/5673771.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-12-16
下一篇 2022-12-16

发表评论

登录后才能评论

评论列表(0条)

保存