Я новичок в области скрапинга уже 2 года, так что это потенциально лишний вопрос.Я пытаюсь вычеркнуть простой текст, который является историей внутри ссылки href.Я попытался //a.text (), используя scrapy shell, но он ничего не очистил.Я также хочу вывести в базу данных или текстовый файл (Scrapy Project).Сайт: http://www.nderf.org/Experiences/
РЕДАКТИРОВАТЬ: Теперь я могу просматривать названия ссылок, но не текст (истории) в теге @href.
import scrapy
from ..items import NdeItem
class NDESpider(scrapy.Spider):
name='NDEstories'
allowed_domains=["nderf.org"]
headers=['author','desc','story']
download_delay=1.5
item = []
start_urls = ["http://www.nderf.org/Archives/exceptional.html"]
def start_requests(self):
requests = []
for item in self.start_urls:
requests.append(scrapy.Request(url=item, headers={'Referer': 'https://www.google.com/'}))
return requests
def parse(self, response):
#/ html / body / div[2] / section[2] / div / p / strong / span / a
a_selectors=response.xpath('//a[@class="MiniLink"]')
href_selector=response.xpath('@href')
for selector in a_selectors:
items = []
item = NdeItem() # type: NdeItem
item['author'] = selector.xpath('text()').extract_first()
item['desc'] = selector.xpath('@href').get()
item['story'] = selector.xpath('@href/text()').get()
items.append(item)
# Create a new Request object
request = response.follow(item['desc'], callback=self.parse)
# Return it thanks to a generator
with open ('log.txt','a') as f:
f.write('author:{0}\n desc:{1}\n story:{2}\n'.format(item['author'],item['desc'], item['story']))
yield request