Получение нулевого вывода при просмотре веб-сайта - PullRequest
Новая
       9

Получение нулевого вывода при просмотре веб-сайта

0 голосов
/ 05 июня 2019

Я пишу программу очистки веб-страниц для этого сайта, http://www.starcitygames.com/catalog/category/Duel%20Decks%20Venser%20vs%20Koth,, и в таблице данных на сайте есть случаи, когда одно имя карты имеет два разных условия / цены / запас ... и мне нужны оба линии информации, но, как вы заметите на прилагаемом рисунке, название карты находится только в верхнем ряду, а не в нижнем. Так, например, с Aether Membrane он выведет имя карты плюс всю остальную информацию, но на следующей строке я получу всю другую информацию, но для названия карты я получу Null. Можно ли как-то настроить оператор if или что-то там, где он видит, является ли имя карты нулевым, и если да, установить имя карты равным предыдущей записи. Мне нужно что-то, чтобы заменить нулевые символы правильными именами карт.

SplashSpider.py 

import csv
from scrapy.spiders import Spider
from scrapy_splash import SplashRequest
from ..items import GameItem

# process the csv file so the url + ip address + useragent pairs are the same as defined in the file # returns a list of dictionaries, example:
# [ {'url': 'http://www.starcitygames.com/catalog/category/Rivals%20of%20Ixalan',
#    'ip': 'http://204.152.114.244:8050',
#    'ua': "Mozilla/5.0 (BlackBerry; U; BlackBerry 9320; en-GB) AppleWebKit/534.11"},
#    ...
# ]
def process_csv(csv_file):
    data = []
    reader = csv.reader(csv_file)
    next(reader)
    for fields in reader:
        if fields[0] != "":
            url = fields[0]
        else:
            continue # skip the whole row if the url column is empty
        if fields[1] != "":
            ip = "http://" + fields[1] + ":8050" # adding http and port because this is the needed scheme
        if fields[2] != "":
            useragent = fields[2]
        data.append({"url": url, "ip": ip, "ua": useragent})
    return data


class MySpider(Spider):
    name = 'splash_spider'  # Name of Spider

    # notice that we don't need to define start_urls
    # just make sure to get all the urls you want to scrape inside start_requests function

    # getting all the url + ip address + useragent pairs then request them
    def start_requests(self):

        # get the file path of the csv file that contains the pairs from the settings.py
        with open(self.settings["PROXY_CSV_FILE"], mode="r") as csv_file:
           # requests is a list of dictionaries like this -> {url: str, ua: str, ip: str}
            requests = process_csv(csv_file)

        for req in requests:
            # no need to create custom middlewares
            # just pass useragent using the headers param, and pass proxy using the meta param

            yield SplashRequest(url=req["url"], callback=self.parse, args={"wait": 3},
                    headers={"User-Agent": req["ua"]},
                    splash_url = req["ip"],
                    )
    # Scraping
    def parse(self, response):
        item = GameItem()
        for game in response.css("tr[class^=deckdbbody]"):
            # Card Name
            item["card_name"] = game.css("a.card_popup::text").extract_first()
            item["condition"] = game.css("td[class^=deckdbbody].search_results_7 a::text").get()

            item["stock"] = game.css("td[class^=deckdbbody].search_results_8::text").extract_first()
            item["price"] = game.css("td[class^=deckdbbody].search_results_9::text").extract_first()

            yield item

Пример вывода 

{"card_name": "\nAether Membrane", "Condition": "NM/M", "stock": "93", "Price": "$0.59"},
{"card_name": null, "Condition": "PL", "stock": "59", "Price": "$0.49"},
{"card_name": "\nAngelic Shield", "Condition": "NM/M", "stock": "35", "Price": "$0.25"},
{"card_name": "\nAnger", "Condition": "NM/M", "stock": "9", "Price": "$1.49"},
{"card_name": null, "Condition": "PL", "stock": "49", "Price": "$1.19"},
{"card_name": "\nArmillary Sphere", "Condition": "NM/M", "stock": "87", "Price": "$0.25"},
{"card_name": "\nAugury Owl", "Condition": "NM/M", "stock": "Out of Stock", "Price": "$0.29"},

Screenshot of Website

1 Ответ

0 голосов
/ 06 июня 2019

Так же, как в комментариях сказано, что это решило проблему: 

 for game in response.css("tr[class^=deckdbbody]"):
            saved_name  = game.css("a.card_popup::text").extract_first() or saved_name
            item["card_name"] = saved_name.strip()

            if item["card_name"] != None:
                saved_name = item["card_name"].strip()
            else:
                item["card_name"] = saved_name

            item["Condition"] = game.css("td[class^=deckdbbody].search_results_7 a::text").get()
            item["stock"] = game.css("td[class^=deckdbbody].search_results_8::text").extract_first()
            item["Price"] = game.css("td[class^=deckdbbody].search_results_9::text").extract_first()

            yield item
...