知识卡片

结构图卡 · 8025.cb · 生成模型:未记录

规则爬虫封装常见导航循环

理解等级:中级

CrawlSpider把链接抽取、请求跟进和响应回调组合为Rule列表,用户保留parse_item完成详情解析。它已有内部parse调度,不应再用普通Spider式parse覆盖这条规则链。手工yield请求的机制仍是理解复杂流程的基础,规则更短不等于适合所有网页或不需要测试。

结构图: 类图

classDiagram
 class Spider
 class CrawlSpider
 class EasySpider {
  +rules
  +parse_item(response)
 }
 class Rule {
  +callback
  +follow
 }
 class LinkExtractor
 Spider <|-- CrawlSpider
 CrawlSpider <|-- EasySpider
 EasySpider o-- Rule
 Rule --> LinkExtractor
 note for EasySpider "分页Rule与详情Rule分别承担导航和提取"
这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python爬虫框架Scrapy · 第3章 爬虫基础,spine035单元022;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00034.html。 - 结论依据:原文CrawlSpider+Rule保留详情回调并复用内部parse,直接支持规则链封装,覆盖parse会改变这条职责而非仅增加普通入口。补充核验入口:https://docs.scrapy.org/en/latest/topics/spiders.html。未在本机运行示例或改变环境。 - 原始内容:easy.py 包含如下内容。 ... class EasySpider(CrawlSpider): name = 'easy' allowed_domains = ['web'] start_urls = ['http://www.web/'] rules = (