Я совершенно новичок в мире программирования и python. В настоящее время я изучаю Scapy Framework в python. Я построил паука, который извлекает информацию из разных объявлений на разных страницах. При переходе на следующую страницу я сталкиваюсь с проблемой, которую не могу решить.
URL-адрес ответа отличается от URL-адреса запроса, поэтому он меняет мой поисковый запрос. Прикреплен пример скребковой оболочки, в которой эта разница видна. Может кто-нибудь объяснить мне, почему это происходит и как я могу предотвратить это?
(scrapyvirtualenv) PS C:\Users\X\Desktop\Python1\scrapy\webcrawler> scrapy shell "https://www.marktplaats.nl/l/huis-en-inrichting/kasten-dressoirs/p/2/#q:jaren+60"
The JSON file does not exist
The CSV file does not exist
2020-04-19 12:02:12 [scrapy.utils.log] INFO: Scrapy 2.0.1 started (bot: WebCrawler)
2020-04-19 12:02:12 [scrapy.utils.log] INFO: Versions: lxml 4.5.0.0, libxml2 2.9.5, cssselect 1.1.0, parsel 1.5.2, w3lib 1.21.0, Twisted 20.3.0, Python 3.8.2 (tags/v3.8.2:7b3ab59, Feb 25 2020, 23:03:10) [MSC v.1916 64 bit (AMD64)], pyOpenSSL 19.1.0 (OpenSSL 1.1.1f 31 Mar 2020), cryptography 2.9, Platform Windows-10-10.0.18362-SP0
2020-04-19 12:02:12 [scrapy.utils.log] DEBUG: Using reactor: twisted.internet.selectreactor.SelectReactor
2020-04-19 12:02:12 [scrapy.crawler] INFO: Overridden settings:
{'BOT_NAME': 'WebCrawler',
'DUPEFILTER_CLASS': 'scrapy.dupefilters.BaseDupeFilter',
'LOGSTATS_INTERVAL': 0,
'NEWSPIDER_MODULE': 'WebCrawler.spiders',
'ROBOTSTXT_OBEY': True,
'SPIDER_MODULES': ['WebCrawler.spiders']}
2020-04-19 12:02:12 [scrapy.extensions.telnet] INFO: Telnet Password: something
2020-04-19 12:02:12 [scrapy.middleware] INFO: Enabled extensions:
['scrapy.extensions.corestats.CoreStats',
'scrapy.extensions.telnet.TelnetConsole']
2020-04-19 12:02:12 [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.httpproxy.HttpProxyMiddleware',
'scrapy.downloadermiddlewares.stats.DownloaderStats']
2020-04-19 12:02:12 [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']
2020-04-19 12:02:12 [scrapy.middleware] INFO: Enabled item pipelines:
[]
2020-04-19 12:02:12 [scrapy.extensions.telnet] INFO: Telnet console listening on 127.0.0.1:6023
2020-04-19 12:02:12 [scrapy.core.engine] INFO: Spider opened
2020-04-19 12:02:12 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://www.marktplaats.nl/robots.txt> (referer: None)
2020-04-19 12:02:12 [protego] DEBUG: Rule at line 2 without any user agent to enforce it on.
2020-04-19 12:02:13 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://www.marktplaats.nl/l/huis-en-inrichting/kasten-dressoirs/p/2/#q:jaren+60> (referer: None)
[s] Available Scrapy objects:
[s] scrapy scrapy module (contains scrapy.Request, scrapy.Selector, etc)
[s] crawler <scrapy.crawler.Crawler object at 0x00000255C48D9100>
[s] item {}
[s] request <GET https://www.marktplaats.nl/l/huis-en-inrichting/kasten-dressoirs/p/2/#q:jaren+60>
[s] response <200 https://www.marktplaats.nl/l/huis-en-inrichting/kasten-dressoirs/p/2/>
[s] settings <scrapy.settings.Settings object at 0x00000255C48D6E20>
[s] spider <MarktplaatsSpider 'marktplaats' at 0x255c4c29f40>
[s] Useful shortcuts:
[s] fetch(url[, redirect=True]) Fetch URL and update local objects (by default, redirects are followed)
[s] fetch(req) Fetch a scrapy.Request and update local objects
[s] shelp() Shell help (print this help)
[s] view(response) View response in a browser
Я попытался настроить функцию yield, используя meta = {'dont_redirect': True}, но этого не произошло желаемый результат.
yield scrapy.Request(next_page_url, meta={'dont_redirect': True}, callback=self.parse)