ここで頻繁に発生するように、私はPython 2.7とScrapyにはかなり新しいです。私たちのプロジェクトでは、ウェブサイトの日付を拝見したり、いくつかのリンクや擦り傷をつけたりしています。これはすべて正常に動作していた。その後、私はScrapyを更新しました。これは以前にどこにも来ていなかった スパイダーの更新後にスパイダーが実行されない
(私の前のエラーメッセージのいずれも、このように何も見えません):私は私のクモを起動したとき
は今、私は、次のメッセージが表示されます。私は今Python 2.7でscrapy 1.1.0を実行しています。以前はこのプロジェクトで働いていたクモのどれも働いていません。
私は、必要な場合、いくつかのコード例を提供することができますが、私の(明らかに制限された)Pythonに関する知識は、爆撃の前にスクリプトに到達しないことを示唆しています。
EDIT: OKので、このコードは、会話にディーキン大学の学者のための最初の著者ページで開始し、通過して、彼らが書かれており、彼らが作ったコメントしているどのように多くの記事こすりすることになっています。
import scrapy
from ltuconver.items import ConversationItem
from ltuconver.items import WebsitesItem
from ltuconver.items import PersonItem
from scrapy import Spider
from scrapy.selector import Selector
from scrapy.http import Request
import bs4
class ConversationSpider(scrapy.Spider):
name = "urls"
allowed_domains = ["theconversation.com"]
start_urls = [
'http://theconversation.com/institutions/deakin-university/authors']
#URL grabber
def parse(self, response):
requests = []
people = Selector(response).xpath('///*[@id="experts"]/ul[*]/li[*]')
for person in people:
item = WebsitesItem()
item['url'] = 'http://theconversation.com/'+str(person.xpath('a/@href').extract())[4:-2]
self.logger.info('parseURL = %s',item['url'])
requests.append(Request(url=item['url'], callback=self.parseMainPage))
soup = bs4.BeautifulSoup(response.body, 'html.parser')
try:
nexturl = 'https://theconversation.com'+soup.find('span',class_='next').find('a')['href']
requests.append(Request(url=nexturl))
except:
pass
return requests
#go to URLs are grab the info
def parseMainPage(self, response):
person = Selector(response)
item = PersonItem()
item['name'] = str(person.xpath('//*[@id="outer"]/header/div/div[2]/h1/text()').extract())[3:-2]
item['occupation'] = str(person.xpath('//*[@id="outer"]/div/div[1]/div[1]/text()').extract())[11:-15]
item['art_count'] = int(str(person.xpath('//*[@id="outer"]/header/div/div[3]/a[1]/h2/text()').extract())[3:-3])
item['com_count'] = int(str(person.xpath('//*[@id="outer"]/header/div/div[3]/a[2]/h2/text()').extract())[3:-3])
そして、私の設定では、私が持っている:
BOT_NAME = 'ltuconver'
SPIDER_MODULES = ['ltuconver.spiders']
NEWSPIDER_MODULE = 'ltuconver.spiders'
DEPTH_LIMIT=1
ファイルを表示します。これはタイプミスです – Nabin