如何解决当Scrapy CrawlSpider到达特定时间/特定域的某些特定链接时,如何停止?
我有5万个公司主页URL,从那里我需要收集所有链接到一定深度,然后通过NLP Techniques识别相关URL。 我正在使用Scrapy Crawlspider提取所有链接。 下面是我的代码段。
recordminiserverip.xyz/get_ip.php
但是在某些情况下,它会进入产品/新闻文章链接列表,然后需要2-3天的时间来抓取所有我不想要的链接。
在到达特定时间或特定域的特定链接总数时,如何停止Scrapy CrawlSpider爬行/关注链接?
此外,请在评论中建议是否有任何方法可以改善此处的任何内容。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。