知识卡片
规则回调和跟进要分别配置
LinkExtractor的restrict_xpaths限定搜索链接的区域,默认抽取a/area的href,不是直接把属性字符串当区域。Rule的callback可写方法名字符串,普通Request则用callback=self.parse_item等可调用对象。未设callback时follow默认真,设置后默认假;需处理数据又继续跟进时显式设置follow或返回新请求,书中Request(self.parse_item)不是正确URL与回调参数写法。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第3章 爬虫基础 3.4.2 使用CrawlSpider实现双向爬取 · 查看原书依据
Rule() 的follow 参数
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restrict_xpaths、callback与follow分别限定抽链接区域、处理和继续跟进,支持条件分工;Rule方法名字符串与普通Request可调用对象不混用。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:rn 或 yield 返回它们,或者将 Rule() 的 follow 参数设置为 true 。当你的房源页既包含 Item 又包含其他有用的导航链接时,该功能可能会非常有用。 运行该爬虫,可以得到和手工实现的爬虫相同的结果,不过现在使用的是一个