Python - for循环,它产生的抓取数据每页只循环一次
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python - for循环,它产生的抓取数据每页只循环一次相关的知识,希望对你有一定的参考价值。
我正在使用web crawler scrapy并将数据加载到csv文件中。我正在使用xpath,并且遇到了正确加载我的数据的问题,我认为这源于我的for循环中的错误。它仅从每个页面中提取第一个标题,作者和引用,从而生成三行csv文件。这是我第一次使用python,我正在努力正确实现枚举/ zip函数。
import scrapy
class MySpider(scrapy.Spider):
name = 'test'
custom_settings = {
'FEED_FORMAT': 'csv',
'FEED_URI': 'test.csv'
}
start_urls = [
'http://quotes.toscrape.com/',
'http://quotes.toscrape.com/page/2/',
'http://quotes.toscrape.com/page/3/'
]
def parse(self, response):
titles = response.xpath("//div[contains(@class, 'col-md-4')]/h2/text()").extract()
authors = response.xpath("//small[contains(@class, 'author')]/text()").extract()
quotes = response.xpath("//div[contains(@class, 'quote')]/span[contains(@class, 'text')]/text()").extract()
for i, (title, author, quote) in enumerate(zip(titles, authors, quotes)):
yield {'index': i, 'title': title, 'author': author, 'quote': quote}
答案
这里的问题是zip
只创建与作为参数传递的最小列表相同数量的元素,在这种情况下titles
只包含1
元素,因此for只会迭代一次是正确的。
如果你想要所有元素的相同标题,你应该只迭代authors
和quotes
:
title = response.xpath("//div[contains(@class, 'col-md-4')]/h2/text()").extract_first()
authors = response.xpath("//small[contains(@class, 'author')]/text()").extract()
quotes = response.xpath("//div[contains(@class, 'quote')]/span[contains(@class, 'text')]/text()").extract()
for i, (author, quote) in enumerate(zip(authors, quotes)):
yield {'index': i, 'title': title, 'author': author, 'quote': quote}
以上是关于Python - for循环,它产生的抓取数据每页只循环一次的主要内容,如果未能解决你的问题,请参考以下文章
python 利用 for ... else 跳出双层嵌套循环
python 利用 for ... else 跳出双层嵌套循环
queryList 一次抓取多个网页内容的方法--目前只有用循环 替换页码或者给出url循环进行 queryList没有像python一样的yied迭代方法 queryList 实现多个实例抓取