正在學習scrapy框架,使用xpath + for循環(huán)遍歷節(jié)點的方法抓取新聞時出現(xiàn)錯誤,只能抓取頁面的最后一條新聞。請求明白的前輩給講一下怎么為什么,該怎么改正。如下所示:
spider類如下:
# -*- coding: utf-8 -*-
import scrapy
from news.items import NewsItem
class MessageSpider(scrapy.Spider):
name = 'message'
allowed_domains = ['www.xinhuanet.com/world']
#抓取的網(wǎng)址,新華網(wǎng)國際版首頁
start_urls = ['http://www.xinhuanet.com/world/']
def parse(self, response):
items = []
item = NewsItem()
for r in response.xpath('//li[@class="clearfix"]'):
#抓取標題
item['title'] = r.xpath('./h3/a/text()').extract()
#抓取簡述
item['desc'] = r.xpath('string(./p/text())').extract()
#抓取時間
item['time'] = r.xpath('./div/span/text()').extract()
items.append(item)
return items
pipelines類如下:
# -*- coding: utf-8 -*-
import os
class NewsPipeline(object):
def process_item(self, item, spider):
#獲取當前工作目錄
base_dir = os.getcwd()
file_name = base_dir + '/message.txt'
with open(file_name, 'a', encoding='utf-8') as f:
f.write(str(item['title'])+ '\n')
f.write(str(item['desc'])+ '\n')
f.write(str(item['time'])+ '\n\n')
print(item)
return item
抓取的結(jié)果如下:
1. 打印抓取結(jié)果,顯示只抓取了最后一條新聞,數(shù)了一下,抓取了34次。
2. 抓取結(jié)果寫入txt中,顯示寫入了最后一條新聞,17次
請明白原因的前輩不吝賜教!感謝?。?/p>
北大青鳥APTECH成立于1999年。依托北京大學優(yōu)質(zhì)雄厚的教育資源和背景,秉承“教育改變生活”的發(fā)展理念,致力于培養(yǎng)中國IT技能型緊缺人才,是大數(shù)據(jù)專業(yè)的國家
達內(nèi)教育集團成立于2002年,是一家由留學海歸創(chuàng)辦的高端職業(yè)教育培訓機構(gòu),是中國一站式人才培養(yǎng)平臺、一站式人才輸送平臺。2014年4月3日在美國成功上市,融資1
北大課工場是北京大學校辦產(chǎn)業(yè)為響應國家深化產(chǎn)教融合/校企合作的政策,積極推進“中國制造2025”,實現(xiàn)中華民族偉大復興的升級產(chǎn)業(yè)鏈。利用北京大學優(yōu)質(zhì)教育資源及背
博為峰,中國職業(yè)人才培訓領(lǐng)域的先行者
曾工作于聯(lián)想擔任系統(tǒng)開發(fā)工程師,曾在博彥科技股份有限公司擔任項目經(jīng)理從事移動互聯(lián)網(wǎng)管理及研發(fā)工作,曾創(chuàng)辦藍懿科技有限責任公司從事總經(jīng)理職務負責iOS教學及管理工作。
浪潮集團項目經(jīng)理。精通Java與.NET 技術(shù), 熟練的跨平臺面向?qū)ο箝_發(fā)經(jīng)驗,技術(shù)功底深厚。 授課風格 授課風格清新自然、條理清晰、主次分明、重點難點突出、引人入勝。
精通HTML5和CSS3;Javascript及主流js庫,具有快速界面開發(fā)的能力,對瀏覽器兼容性、前端性能優(yōu)化等有深入理解。精通網(wǎng)頁制作和網(wǎng)頁游戲開發(fā)。
具有10 年的Java 企業(yè)應用開發(fā)經(jīng)驗。曾經(jīng)歷任德國Software AG 技術(shù)顧問,美國Dachieve 系統(tǒng)架構(gòu)師,美國AngelEngineers Inc. 系統(tǒng)架構(gòu)師。