È necessario cedere Request
le istanze per i link da seguire, assegnare un callback e estrarre il testo della p
elemento desiderato nella richiamata:
# -*- coding: utf-8 -*-
import scrapy
# item class included here
class DmozItem(scrapy.Item):
# define the fields for your item here like:
link = scrapy.Field()
attr = scrapy.Field()
class DmozSpider(scrapy.Spider):
name = "dmoz"
allowed_domains = ["craigslist.org"]
start_urls = [
"http://chicago.craigslist.org/search/emd?"
]
BASE_URL = 'http://chicago.craigslist.org/'
def parse(self, response):
links = response.xpath('//a[@class="hdrlnk"]/@href').extract()
for link in links:
absolute_url = self.BASE_URL + link
yield scrapy.Request(absolute_url, callback=self.parse_attr)
def parse_attr(self, response):
item = DmozItem()
item["link"] = response.url
item["attr"] = "".join(response.xpath("//p[@class='attrgroup']//text()").extract())
return item
E come posso memorizzare i dati raccolti in file .csv per esempio? Ho provato questo: scrapy crawl dmoz -o items.csv -t CSV ma tutto quello che ottengo è un file vuoto. –
@ArkanKalu sicuro, è necessario produrre/restituire elementi da 'parse_attr()'. Era solo un codice di esempio con cui procedere. – alecxe
Puoi scrivere quella riga di codice per favore? Mi dispiace disturbarti, sono un principiante in questo: D –