Смотрите на этот пример паука в документации Scrapy. Объяснение:
Этот паук запустил бы домашнюю страницу example.com сканирования, собрав ссылки категории и ссылки на элемент, анализируя последнего с parse_item методом. Для каждого ответа объекта некоторые данные будут извлечены из HTML с помощью XPath, и Объект будет заполнен им.
Я скопировал того же паука точно и заменил "example.com" другим начальным URL.
from scrapy.contrib.spiders import CrawlSpider, Rule
from scrapy.contrib.linkextractors.sgml import SgmlLinkExtractor
from scrapy.selector import HtmlXPathSelector
from scrapy.item import Item
from stb.items import StbItem
class StbSpider(CrawlSpider):
domain_name = "stb"
start_urls = ['http://www.stblaw.com/bios/MAlpuche.htm']
rules = (Rule(SgmlLinkExtractor(allow=(r'/bios/.\w+\.htm', )), callback='parse', follow=True), )
def parse(self, response):
hxs = HtmlXPathSelector(response)
item = StbItem()
item['JD'] = hxs.select('//td[@class="bodycopysmall"]').re('\d\d\d\d\sJ.D.')
return item
SPIDER = StbSpider()
Но мой паук "stb" не собирает ссылки из "/BIOS /" поскольку это, как предполагается, делает. Это выполняет начальный URL, очищает item['JD']
и записи это на файле и затем выходят.
Почему это - это SgmlLinkExtractor
проигнорирован? Rule
читается, потому что это ловит синтаксические ошибки в Rule
строка.
Действительно ли это - ошибка? есть ли в моем коде что-то не так? Нет никаких ошибок кроме набора необработанных ошибок, которые я вижу с каждым выполнением.
Было бы хорошо знать то, что я делаю неправильно здесь. Спасибо за любые подсказки. Я неправильно понимаю что SgmlLinkExtractor
как предполагается, делает?
Поскольку T
не является значением - это всего лишь подсказка для компилятора. JVM не имеет понятия о T
. Дженерики можно использовать только в качестве типа для проверки типа во время компиляции.
Используйте ключевое слово 'is'.
если (животное Птица) ...
-121--4746559- Функция синтаксического анализа
фактически реализована и используется в классе CrawlSpider, и вы непреднамеренно переопределяете ее. Если изменить имя на что-то другое, например разобрать _ пункт
, то Правило должно работать.