1
我用Scrapy製作了2個蜘蛛,我需要將它們放在一個腳本中,並將所有結果放在一個XML中。如何將2個蜘蛛的所有結果與scrapy放在一個XML中?
以下是一些管理2個蜘蛛的方法,但我無法將結果放在一個XML中。
http://doc.scrapy.org/en/latest/topics/practices.html
有什麼辦法,推出1個腳本2個蜘蛛和收集在一個文件中所有的結果?
我用Scrapy製作了2個蜘蛛,我需要將它們放在一個腳本中,並將所有結果放在一個XML中。如何將2個蜘蛛的所有結果與scrapy放在一個XML中?
以下是一些管理2個蜘蛛的方法,但我無法將結果放在一個XML中。
http://doc.scrapy.org/en/latest/topics/practices.html
有什麼辦法,推出1個腳本2個蜘蛛和收集在一個文件中所有的結果?
在你scrapy項目中創建一個名爲script.py添加蜘蛛文件code.Assuming名 以下行Python腳本是spider_one.py和spider_two.py和你的蜘蛛分別SpiderOne和SpiderTwo。 所以在你script.py中添加。
from spiders.spider_one import SpiderOne
from spiders.spider_two import SpiderTwo
# scrapy api
from scrapy import signals, log
from twisted.internet import reactor
from scrapy.crawler import Crawler
from scrapy.settings import Settings
file = "your_file.json" #your results
TO_CRAWL = [SpiderOne,SpiderTwo]
# list of crawlers that are running
RUNNING_CRAWLERS = []
def spider_closing(spider):
"""Activates on spider closed signal"""
log.msg("Spider closed: %s" % spider, level=log.INFO)
RUNNING_CRAWLERS.remove(spider)
if not RUNNING_CRAWLERS:
reactor.stop()
log.start(loglevel=log.DEBUG)
for spider in TO_CRAWL:
settings = Settings()
settings.set("USER_AGENT", "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.2357.134 Safari/537.36")
settings.set("FEED_FORMAT",'json')
settings.set("FEED_URI",file)
# settings.set("ITEM_PIPELINES",{ 'pipelines.CustomPipeline': 300})
settings.set("DOWNLOAD_DELAY",1)
crawler = Crawler(settings)
crawler_obj = spider()
RUNNING_CRAWLERS.append(crawler_obj)
# stop reactor when spider closes
crawler.signals.connect(spider_closing, signal=signals.spider_closed)
crawler.configure()
crawler.crawl(crawler_obj)
crawler.start()
# blocks process so always keep as the last statement
reactor.run()
該示例適用於json,但也可以適用於xml。
我測試過這段代碼,但是當我試圖在每個蜘蛛中導入我的物品時,它會引發一個ImportError。 – 3mpty88
@ 3mpty88你可以請發佈錯誤日誌嗎?你確定蜘蛛是在蜘蛛**文件夾嗎? – Varun
ImportError:沒有名爲myproject.items的模塊是我從該代碼獲得的錯誤。蜘蛛在蜘蛛文件夾裏。 – 3mpty88