Python и Scrapy - скребок не возвращает результатов

Question

Привет и заранее спасибо за любую помощь в решении этой проблемы. Я никогда не писал о помощи по написанию кода, и я очень новичок в программировании. Старик-самоучка, который пытается научиться чему-то новому и, возможно, создать что-то, чтобы спасти мир (или просто построить что-то. :))

У меня запущена утилизация, и когда я запускаю свою терминальную команду, ящики для сканирования сканируют "Я всегда получаю DEBUG: Crawled (200) и не вижу записей" Found details: ". Я могу запустить оболочку Scrapy "http://coopdirectory.org/directory.htm" и получить результаты вручную с помощью оболочки. Когда я пытаюсь уступить файлу .jl или. js, они также становятся пустыми. (Я сделал эту работу великолепно с цитатами из учебника по Scrapy). Ниже мой код, а ниже - результаты. Любое направление на это было бы замечательно.

import scrapy


class CoopsSpider(scrapy.Spider):
    name = "coops"
    start_urls = [
    'http://coopdirectory.org/directory.htm',
    ]

    def parse(self, response):
        for coop in response.css('div.coop'):
            yield {
                'name': coop.css('h3 a::text').getall(),
                'address': coop.css('.address::text').getall(),
                'website': coop.css('.web-address::text').getall(),
                'phone': coop.css('.phone::text').getall(),
                'org_type': coop.css('.org-type::text').getall(),
                'inactive': coop.css('.inactive-alert::text').getall(),
                'notes': coop.css('.note::text').getall(),
            }

---

РЕЗУЛЬТАТЫ

PS C:\Users\scott\Documents\WebScrapeProjects\coops\coops> scrapy crawl coops
2020-04-28 19:08:31 [scrapy.utils.log] INFO: Scrapy 2.1.0 started (bot: coops)
2020-04-28 19:08:31 [scrapy.utils.log] INFO: Versions: lxml 4.5.0.0, libxml2 2.9.9, cssselect 1.1.0, parsel 1.5.2, w3lib 1.21.0, Twisted 20.3.0, Python 3.7.6 (default, Jan  8 2020, 20:23:39) [MSC v.1916 64 bit (AMD64)], pyOpenSSL 19.1.0 (OpenSSL 1.1.1d  10 Sep 2019), cryptography 2.8, Platform Windows-10-10.0.18362-SP0
2020-04-28 19:08:31 [scrapy.utils.log] DEBUG: Using reactor: twisted.internet.selectreactor.SelectReactor
2020-04-28 19:08:31 [scrapy.crawler] INFO: Overridden settings:
{'BOT_NAME': 'coops',
 'COOKIES_ENABLED': False,
 'DOWNLOAD_DELAY': 7,
 'NEWSPIDER_MODULE': 'coops.spiders',
 'SPIDER_MODULES': ['coops.spiders'],
 'USER_AGENT': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_5) '
               'AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.95 '
               'Safari/537.36'}
2020-04-28 19:08:31 [scrapy.extensions.telnet] INFO: Telnet Password: 3f2a17b73c1f55b3
2020-04-28 19:08:31 [scrapy.middleware] INFO: Enabled extensions:
['scrapy.extensions.corestats.CoreStats',
 'scrapy.extensions.telnet.TelnetConsole',
 'scrapy.extensions.logstats.LogStats']
2020-04-28 19:08:32 [scrapy.middleware] INFO: Enabled downloader middlewares:
['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.httpproxy.HttpProxyMiddleware',
 'scrapy.downloadermiddlewares.stats.DownloaderStats']
2020-04-28 19:08:32 [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']
2020-04-28 19:08:32 [scrapy.middleware] INFO: Enabled item pipelines:
[]
2020-04-28 19:08:32 [scrapy.core.engine] INFO: Spider opened
2020-04-28 19:08:32 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2020-04-28 19:08:32 [scrapy.extensions.telnet] INFO: Telnet console listening on 127.0.0.1:6023
2020-04-28 19:08:32 [scrapy.core.engine] DEBUG: Crawled (200) <GET http://coopdirectory.org/directory.htm> (referer: None)
2020-04-28 19:08:32 [scrapy.core.engine] INFO: Closing spider (finished)
2020-04-28 19:08:32 [scrapy.statscollectors] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 316,
 'downloader/request_count': 1,
 'downloader/request_method_count/GET': 1,
 'downloader/response_bytes': 303338,
 'downloader/response_count': 1,
 'downloader/response_status_count/200': 1,
 'elapsed_time_seconds': 0.808906,
 'finish_reason': 'finished',
 'finish_time': datetime.datetime(2020, 4, 29, 0, 8, 32, 936826),
 'log_count/DEBUG': 1,
 'log_count/INFO': 10,
 'response_received_count': 1,
 'scheduler/dequeued': 1,
 'scheduler/dequeued/memory': 1,
 'scheduler/enqueued': 1,
 'scheduler/enqueued/memory': 1,
 'start_time': datetime.datetime(2020, 4, 29, 0, 8, 32, 127920)}
2020-04-28 19:08:32 [scrapy.core.engine] INFO: Spider closed (finished)

Answer 1

Ваш css -селектор ('div.coop') ничего не выбирает, и поэтому внутри вашего l oop ничего нельзя получить. Вы можете проверить это, открыв Scrap Shell (scrapy shell "http://coopdirectory.org/directory.htm"), а затем введите response.css('div.coop'). Вы увидите, что будет возвращен пустой выбор ([]).

Непонятно, чего именно вы пытаетесь достичь, но вот пример, который извлекает всю информацию, которую вы пытаетесь извлеките и просто верните его:

import scrapy


class CoopsSpider(scrapy.Spider):
    name = "coops"
    start_urls = ['http://coopdirectory.org/directory.htm']

    def parse(self, response):
        yield {
            'name': response.css('h3 a::text').getall(),
            'address': response.css('.address::text').getall(),
            'website': response.css('.web-address a::text').getall(),
            'phone': response.css('.phone::text').getall(),
            'org_type': response.css('.org-type::text').getall(),
            'inactive': response.css('.inactive-alert::text').getall(),
            'notes': response.css('.note::text').getall(),
        }

Подсказка: вам может быть трудно почистить этот сайт, потому что отдельные кооперативы не находятся внутри отдельных

-контейнеров. Это затрудняет разделение индивидуальной информации. Может быть, вы найдете другой веб-сайт, который также содержит необходимую вам информацию и лучше подходит для очистки или пропуска операций и сразу же использует открытые наборы данных.