загрузка и использование файла scrapinghub - PullRequest
Новая
       14

загрузка и использование файла scrapinghub

0 голосов
/ 20 сентября 2018

Я загрузил своего паука на scrapyhub .Я понимаю, как загрузить файл * .txt, но как его использовать?

Мой setup.py файл выглядит как 

setup(
    name         = 'project',
    version      = '1.0',
    packages     = find_packages(),
    package_data={
        'youtube_crawl': ['resources/Names.txt']
    },
    entry_points = {'scrapy': ['settings = youtube_crawl.settings']},
)

Тогда я хочу использовать этот Name.txt .

перед загрузкой мой паук выглядит так: 

def parse(self, response):
        with open('resources/Names.txt','rt') as f:
            for link in f:
                url = "https://www.youtube.com/results?search_query={}".format(link)
                name = link.replace('+',' ')
                yield Request(url, meta={'name':name}, callback=self.parse_page, dont_filter=True)

Итак, мой вопрос: как я могу использовать свой файл на скребке?

Я пробовал этот код, но непонять, как это работает и как интегрировать его с моим кодом =)

data = pkgutil.get_data("youtube_crawl", "resources/Names.txt")

Функция возвращает двоичную строку, которая является содержимым указанного ресурса.

1 Ответ

0 голосов
/ 20 сентября 2018

Эта строка кода: 

data = pkgutil.get_data("youtube_crawl", "resources/Names.txt")

эквивалентна этому блоку: 

with open('resources/Names.txt') as f:
    data = f.read()
f.closed

Так что теперь вы можете читать двоичную строку строка за строкой: 

def parse(self, response):
    data = pkgutil.get_data("youtube_crawl", "resources/Names.txt")

    for link in data.split('\n'):
        url = "https://www.youtube.com/results?search_query={}".format(link)
        name = link.replace('+',' ')
        yield Request(url,
                      meta={'name':name},
                      callback=self.parse_page,
                      dont_filter=True)

Для получения более подробной информации смотрите Python 3 pkgutil или inputoutput doc страницы.

...