如何使用 scrapy、xpath、python 获取锚标记中的文本和 href 值

Question

我有一个这样的 HTML 文件：

<div ckass="jokes-nav">
  <ul>
    <li><a href="http://link_1">Link 1</a></li>
    <li><a href="http://link_2">Link 2</a></li>
  </ul>
</div>

在 spiders 文件夹中，我有一个文件 jokes.py，如下所示：

import scrapy
from demo_project.items import JokeItem
from scrapy.loader import ItemLoader

class JokesSpider(scrapy.Spider):
    name = 'jokes'

    start_urls = [
        'http://www.laughfactory.com/jokes/'
    ]

    def parse(self, response):
        for joke in response.xpath("//div[@class='jokes-nav']/ul"):
            l = ItemLoader(item = JokeItem(), selector = joke)
            l.add_xpath('joke_title', ".//li/a/text()")

            """ yield {
                'joke_text': joke.xpath(".//div[@class='joke-text']/p").extract_first()
            } """

            yield l.load_item()

我在我的 main.py 中调用 class JokesSpider（此文件位于根目录），这是我的代码

from scrapy.crawler import CrawlerProcess
from demo_project.spiders.jokes import JokesSpider

process = CrawlerProcess(settings={
    "FEEDS": {
        "items.json": {"format": "json"},
    },
})

process.crawl(JokesSpider)
process.start() # the script will block here until the crawling is finished

我想向items.json写入数据，但是当我运行这段代码时，items.json里面什么都没有，请问如何解决这个问题。非常感谢

Answer 1

您可以设置 FEED_FORMAT 和 FEED_URI 设置以将数据保存在 json 文件中。

process = CrawlerProcess(settings={
    'FEED_FORMAT': 'json',
    'FEED_URI': 'items.json'
})

如何使用 scrapy、xpath、python 获取锚标记中的文本和 href 值

How to get text and href value in anchor tag with scrapy, xpath, python

python

scrapy

web-scraping

web-mining