如何解决scrapy中的无效xpathpython
您好,我正在尝试使用scrapy构建爬虫 我的搜寻器代码是:
import scrapy
from shop.items import ShopItem
class ShopspiderSpider(scrapy.Spider):
name = 'shopspider'
allowed_domains = ['www.organics.com']
start_urls = ['https://www.organics.com/product-tag/special-offers/']
def parse(self,response):
items = ShopItem()
title = response.xpath('//*[@id="content"]/div[2]/div[1]/ul/li[1]/a/h3').extract()
sale_price = response.xpath('//*[@id="content"]/div[2]/div[1]/ul/li[1]/a/span[2]/del/span').extract()
product_original_price = response.xpath('//*[@id="content"]/div[2]/div[1]/ul/li[1]/a/span[2]/ins/span').extract()
category = response.xpath('//*[@id="content"]/div[2]/div[1]/ul/li[1]/a/span[2]/ins/span').extract()
items['product_name'] = ''.join(title).strip()
items['product_sale_price'] = ''.join(sale_price).strip()
items['product_original_price'] = ''.join(product_original_price).strip()
items['product_category'] = ','.join(map(lambda x: x.strip(),category)).strip()
yield items
但是当我运行命令时: scrapy crawlshoppider -o info.csv
以查看输出,我只能找到有关第一个产品的信息,而不是此页面中的所有产品。
因此,我删除了xpath中[]之间的数字,例如标题:// * [@@ =“ =”“” / div / div / ul / li / li / a / h3的xpath
但仍然得到相同的结果。
结果是:<span class="amount">£40.00</span>,<h3>Halo Skincare Organic Gift Set</h3>,"<span class=""amount"">£40.00</span>","<span class=""amount"">£58.00</span>"
请帮助
解决方法
如果删除XPath上的索引,它们将在页面中找到所有项目:
response.xpath('//*[@id="content"]/div/div/ul/li/a/h3').extract() # Returns 7 items
但是,您应该注意到这将返回所选html元素的字符串列表。如果要在元素内添加文本,则应在XPath中添加/text()
。 (看起来像你)
此外,您只能获得一个退货的原因是,当您将所有项目分配给item
时,它们会将它们串联为一个字符串:
items['product_name'] = ''.join(title).strip()
此处title
是元素列表,您可以将所有元素串联在单个字符串中。相同的逻辑适用于其他变量
如果这确实是您想要的,则可以忽略以下内容,但是我认为更好的方法是执行一个for循环并分别yield
进行执行?
我的建议是:
def parse(self,response):
products = response.xpath('//*[@id="content"]/div/div/ul/li')
for product in products:
items = ShopItem()
items['product_name'] = product.xpath('a/h3/text()').get()
items['product_sale_price'] = product.xpath('a/span/del/span/text()').get()
items['product_original_price'] = product.xpath('a/span/ins/span/text()').get()
items['product_category'] = product.xpath('a/span/ins/span/text()').get()
yield items
请注意,在您的原始代码中,您的category
变量具有与您的product_original_price
相同的XPath,我将逻辑保留在代码中,但这可能是一个错误。
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。