scrapy没有结果,如何解决?

img

img


找的xpath在普通的python文件中能爬取数据,为什么在scrapy中什么也没有

  • 你可以看下这个问题的回答https://ask.csdn.net/questions/7575955
  • 你也可以参考下这篇文章:爬取中国最好大学网数据(Python的Scrapy框架与Xpath联合运用)
  • 除此之外, 这篇博客: Python爬虫框架Scrapy入门(二)第一个爬虫程序:使用xpath爬取起点中文网中的 四、实现爬虫 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  • 打开我们之前建立的爬虫工程,在spider目录下建立爬虫文件qidian_spider.py导入需要用到的库

    from scrapy import Request
    from scrapy.spiders import  Spider

    创建一个继承自 Spider的爬虫类,其中包含爬虫名称、目标网页、解析方法

    class HotSaleSpider(Spider):
        name = "hot" #爬虫名称
        start_urls = ["https://www.qidian.com/rank/hotsales?style=1"]#目标网站地址
        def parse(self, response):#用于数据解析
        	pass

    注意到parse方法的参数是response,这是因为我们使用爬虫框架会自动帮我们得到网页的响应,不需要我们另外编写代码向网页发起request请求,在scrapy内部已经发起请求并直接返回响应了。

    下图是scrapy框架的结构,我们需要做的就是完成spider的部分:得到网页响应后进行提取信息。在爬虫内部完成了1-6的工作。
    在这里插入图片描述
    所以我们重点编写parse方法。基于我们之前的网页分析,这里使用xpath方法提取信息。

    首先我们定位到class="book-mid-info",每本小说的信息都保存在这个"book-mid-info"类之下。

    list_selector = response.xpath("//div[@class='book-mid-info']")

    然后遍历每一本小说,获取各项信息,定位的方法同样是查看信息所在的标签。小说名称“诡秘之主”保存在"book-mid-info"类中的h4标签下的a标签,小说作者“爱潜水的乌贼”保存在"book-mid-info"类中的p标签下的a标签。
    在这里插入图片描述

    for one_selector in list_selector:
        # 获取小说信息
        name = one_selector.xpath("h4/a/text()").extract()[0] #提取当前定位下的文字
        author = one_selector.xpath("p[1]/a[1]/text()").extract()[0]
        type = one_selector.xpath("p[1]/a[2]/text()").extract()[0]
        form = one_selector.xpath("p[1]/span/text()").extract()[0]

    最后定义一个字典保存每本小说的各项信息并且通过生成器返回:

    # 保存小说信息为字典
    hot_dict = {
        "name":name,
        "author":author,
        "type":type,
        "form":form
    }
    yield hot_dict # 生成器返回每一本小说的信息

    关于yield关键字的含义可以参看:Python关键字:yield生成器

    完整代码:

    #!/usr/bin/env python
    # -*- coding:utf-8 -*-
    #@Time  : 2020/2/20 11:45
    #@Author: bz
    #@File  : qidian_spider.py
    
    from scrapy import Request
    from scrapy.spiders import  Spider
    
    class HotSaleSpider(Spider):
        name = "hot" #爬虫名称
        start_urls = ["https://www.qidian.com/rank/hotsales?style=1"]#目标网站地址
        def parse(self, response):#用于数据解析
            #使用xpath定位
            list_selector = response.xpath("//div[@class='book-mid-info']")
            for one_selector in list_selector:
                # 获取小说信息
                name = one_selector.xpath("h4/a/text()").extract()[0] #提取当前定位下的文字
                author = one_selector.xpath("p[1]/a[1]/text()").extract()[0]
                type = one_selector.xpath("p[1]/a[2]/text()").extract()[0]
                form = one_selector.xpath("p[1]/span/text()").extract()[0]
                # 保存小说信息为字典
                hot_dict = {
                    "name":name,
                    "author":author,
                    "type":type,
                    "form":form
                }
                yield hot_dict # 生成器返回每一本小说的信息
  • 您还可以看一下 王涛老师的150讲轻松学习Python网络爬虫课程中的 xpath-语法详细讲解小节, 巩固相关知识点
  • 以下回答由chatgpt基于相关博客总结生成:

    首先,可能是因为Scrapy中的响应对象不同于Python中的request库,需要使用Selector类来解析响应数据。可以使用以下代码将响应数据加载到Selector对象中:

    from scrapy.selector import Selector
    
    selector = Selector(text=response.text)
    

    如果还是不能获取到数据,可以检查xpath表达式是否正确。在Scrapy中使用xpath语法时,需要注意"."和"/"的使用,具体见参考资料中的段落1。

    如果还是不能解决问题,可以尝试使用Chrome浏览器的开发者工具查看目标数据在网页源代码中的位置,从而确定正确的xpath表达式。

    最后,可以检查是否需要先调用extract()方法将Selector对象转化为字符串类型才能获取数据。如:

    title = selector.xpath('//title/text()').extract_first()