我正在嘗試關注this tutorial。爲什麼我的Scrapy中的輸入/輸出處理器不工作?
我想我的desc
字段是一個標準化爲單個空格的單個字符串,並且是大寫字母。
dmoz_spider.py
import scrapy
from tutorial.items import DmozItem
class DmozSpider(scrapy.Spider):
name = "dmoz"
allowed_domains = ["dmoz.org"]
start_urls = [
"http://www.dmoz.org/Computers/Programming/Languages/Python/Books/",
"http://www.dmoz.org/Computers/Programming/Languages/Python/Resources/"
]
def parse(self, response):
for sel in response.xpath('//ul/li'):
item = DmozItem()
item['title'] = sel.xpath('a/text()').extract()
item['link'] = sel.xpath('a/@href').extract()
item['desc'] = sel.xpath('text()').extract()
yield item
我試圖宣佈根據http://doc.scrapy.org/en/latest/topics/loaders.html#declaring-input-and-output-processors
items.py
import scrapy
from scrapy.loader.processors import MapCompose, Join
class DmozItem(scrapy.Item):
title = scrapy.Field()
link = scrapy.Field()
desc = scrapy.Field(
input_processor=MapCompose(
lambda x: ' '.join(x.split()),
lambda x: x.upper()
),
output_processor=Join()
)
但是輸入/輸出處理器,我的產量仍原來一樣這個。
{'desc': ['\r\n\t\r\n ',
' \r\n'
'\t\t\t\r\n'
' - By David Mertz; Addison Wesley. '
'Book in progress, full text, ASCII format. Asks for feedback. '
'[author website, Gnosis Software, Inc.]\r\n'
' \r\n'
' ',
'\r\n '],
'link': ['http://gnosis.cx/TPiP/'],
'title': ['Text Processing in Python']}
我在做什麼錯?
我使用Python 3.5.1和1.1.0 Scrapy
我在這裏把我的整個代碼:https://github.com/prashcr/scrapy_tutorial,這樣你可以嘗試,並修改它,如你所願。
什麼你預計會發生嗎? –
我期待'desc'字段看起來像這樣:「 - BY DAVID MERTZ; ADDISON WESLEY。正在編寫,全文,ASCII格式。請求反饋。[作者網站,GNOSIS軟件公司]」 –