誰かがこれに間違っていることを教えてください。 JSONファイルにgithubページをスクラップし、 "scrap crawl gitrendscrap -o test.json"コマンドを使用して保存しようとしています。それはjsonファイルを作成しますが、それは空です。私はscrapyシェルで個々のresponse.cssファイルを実行しようとしました。それは完璧に働いています。しかし、いくつかの理由でそれはクモで働いていません。何か間違っていると教えてください。ありがとうございました。Githubページからデータをスクラップしようとしています
import scrapy
class gitrendscrap(scrapy.Spider):
name = "gitrendscrap"
start_urls = [
'https://github.com/google',
]
def parse(self, response):
toplanguages = response.css("div.simple-box a span.mr-2::text").extract()
titles=response.css("div.org-repos li.col-12 div.d-inline-block a::text").extract()
description=response.css("div p.col-9::text").extract()
language = response.css("div.f6 span.mr-3::text").extract()
for ele in toplanguages:
ele = ele.encode('ascii','ignore').strip()
for ele in titles:
ele= ele.encode('ascii','ignore').strip()
for ele in description:
ele = ele.encode('ascii','ignore').strip()
for ele in language:
ele = ele.encode('ascii','ignore').strip()
yield{
'title': titles,
'description':description,
'language': language,
'toplanguage': toplanguages,
}
next_page = response.css('div.paginate-container a::attr(href)').extract_first()
if next_page is not None:
next_page = response.urljoin(next_page)
yield scrapy.Request(next_page, callback=self.parse)
ここに私のスパイダーのターミナル出力があります。
2017-01-18 02:29:45 [scrapy.utils.log] INFO: Scrapy 1.3.0 started (bot: gitrendscrap)
2017-01-18 02:29:45 [scrapy.utils.log] INFO: Overridden settings: {'NEWSPIDER_MODULE': 'gitrendscrap.spiders', 'FEED_URI': 'asd.json', 'SPIDER_MODULES': ['gitrendscrap.spiders'], 'BOT_NAME': 'gitrendscrap', 'ROBOTSTXT_OBEY': True, 'FEED_FORMAT': 'json'}
2017-01-18 02:29:45 [scrapy.middleware] INFO: Enabled extensions:
['scrapy.extensions.feedexport.FeedExporter',
'scrapy.extensions.logstats.LogStats',
'scrapy.extensions.telnet.TelnetConsole',
'scrapy.extensions.corestats.CoreStats']
2017-01-18 02:29:45 [scrapy.middleware] INFO: Enabled downloader middlewares:
['scrapy.downloadermiddlewares.robotstxt.RobotsTxtMiddleware',
'scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware',
'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware',
'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware',
'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware',
'scrapy.downloadermiddlewares.retry.RetryMiddleware',
'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware',
'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware',
'scrapy.downloadermiddlewares.redirect.RedirectMiddleware',
'scrapy.downloadermiddlewares.cookies.CookiesMiddleware',
'scrapy.downloadermiddlewares.stats.DownloaderStats']
2017-01-18 02:29:45 [scrapy.middleware] INFO: Enabled spider middlewares:
['scrapy.spidermiddlewares.httperror.HttpErrorMiddleware',
'scrapy.spidermiddlewares.offsite.OffsiteMiddleware',
'scrapy.spidermiddlewares.referer.RefererMiddleware',
'scrapy.spidermiddlewares.urllength.UrlLengthMiddleware',
'scrapy.spidermiddlewares.depth.DepthMiddleware']
2017-01-18 02:29:45 [scrapy.middleware] INFO: Enabled item pipelines:
[]
2017-01-18 02:29:45 [scrapy.core.engine] INFO: Spider opened
2017-01-18 02:29:45 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2017-01-18 02:29:45 [scrapy.extensions.telnet] DEBUG: Telnet console listening on 127.0.0.1:6023
2017-01-18 02:29:46 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://github.com/robots.txt> (referer: None)
2017-01-18 02:29:46 [scrapy.downloadermiddlewares.robotstxt] DEBUG: Forbidden by robots.txt: <GET https://github.com/google>
2017-01-18 02:29:46 [scrapy.core.engine] INFO: Closing spider (finished)
2017-01-18 02:29:46 [scrapy.statscollectors] INFO: Dumping Scrapy stats:
{'downloader/exception_count': 1,
'downloader/exception_type_count/scrapy.exceptions.IgnoreRequest': 1,
'downloader/request_bytes': 218,
'downloader/request_count': 1,
'downloader/request_method_count/GET': 1,
'downloader/response_bytes': 1381,
'downloader/response_count': 1,
'downloader/response_status_count/200': 1,
'finish_reason': 'finished',
'finish_time': datetime.datetime(2017, 1, 18, 9, 29, 46, 320372),
'log_count/DEBUG': 3,
'log_count/INFO': 7,
'response_received_count': 1,
'scheduler/dequeued': 1,
'scheduler/dequeued/memory': 1,
'scheduler/enqueued': 1,
'scheduler/enqueued/memory': 1,
'start_time': datetime.datetime(2017, 1, 18, 9, 29, 45, 755711)}
2017-01-18 02:29:46 [scrapy.core.engine] INFO: Spider closed (finished)
'' parse'の 'for'ループとは何でしょうか?あなたは引き続きローカル変数を上書きしますが、どこにも保存しないでください。 – Graipher
私が掻き集める内容は、ユニコード形式です。だから私はそれを文字列形式に変換します。新しい変数を使用せずに。 – prab18
'l = [1,2,3]; x in l:x = str(x) 'は元の' l'を変更しません。あなたのコードはどのように違うのですか? – Graipher