我在刮迪奥网站为其产品。head/script提供了除产品描述之外的所有字段。为了抓取描述,我需要跟随链接(下面代码中的url变量)。我熟悉的唯一方法就是使用BeautifulSoup。我能只用Scrapy来解析它吗? Thx伙计们。你知道吗
class DiorSpider(CrawlSpider):
name = 'dior'
allowed_domains = ['www.dior.com']
start_urls = ['https://www.dior.com/en_us/']
rules = (
Rule(LinkExtractor(allow=(r'^https?://www.dior.com/en_us/men/clothing/new-arrivals.*',)), callback='parse_file')
)
def parse_file(self, response):
script_text = response.xpath("//script[contains(., 'window.initialState')]").extract_first()
blocks = extract_blocks(script_text)
for block in blocks:
sku = re.compile(r'("sku":)"[a-zA-Z0-9_]*"').finditer(block)
url = re.compile(r'("productLink":{"uri":)"[^"]*').finditer(block)
for item in zip(sku, url):
scraped_info = {
'sku': item[0].group(0).split(':')[1].replace('"', ''),
'url': 'https://www.dior.com' + item[1].group(0).split(':')[2].replace('"', '')
}
yield scraped_info
如果您需要从第二个请求中提取额外的信息,而不是在那里生成数据,那么您应该生成一个URL请求,其中包含您在^{} 属性中已经提取的信息。你知道吗
相关问题 更多 >
编程相关推荐