Я пытаюсь загрузить данные с страницы gsmarena: «http://www.gsmarena.com/htc_one_me-7275.php».Извлечь данные из страницы gsmarena с помощью scrapy
Однако данные классифицируются в виде таблиц и строк таблицы. Данные формата:
table header > td[@class='ttl'] > td[@class='nfo']
Edited код: Благодаря помощи членов сообщества в stackexchange, я переформатировать код, как: Items.py файла:
import scrapy
class gsmArenaDataItem(scrapy.Item):
phoneName = scrapy.Field()
phoneDetails = scrapy.Field()
pass
паук файл:
from scrapy.selector import Selector
from scrapy import Spider
from gsmarena_data.items import gsmArenaDataItem
class testSpider(Spider):
name = "mobile_test"
allowed_domains = ["gsmarena.com"]
start_urls = ('http://www.gsmarena.com/htc_one_me-7275.php',)
def parse(self, response):
# extract whatever stuffs you want and yield items here
hxs = Selector(response)
phone = gsmArenaDataItem()
tableRows = hxs.css("div#specs-list table")
for tableRows in tableRows:
phone['phoneName'] = tableRows.xpath(".//th/text()").extract()[0]
for ttl in tableRows.xpath(".//td[@class='ttl']"):
ttl_value = " ".join(ttl.xpath(".//text()").extract())
nfo_value = " ".join(ttl.xpath("following-sibling::td[@class='nfo']//text()").extract())
colonSign = ": "
commaSign = ", "
seq = [ttl_value, colonSign, nfo_value, commaSign]
phone['phoneDetails'] = "".join(seq)
yield phone
Однако я получаю запрет, как только я пытаюсь даже загрузить страницу в Scrapy оболочки с помощью:
"http://www.gsmarena.com/htc_one_me-7275.php"
Я даже попытался использовать DOWNLOAD_DELAY = 3 в settings.py.
Просьба предложить, как мне это сделать.
Я обновил код, как это предлагается, но GSMArena продолжает запрещая меня. – ajhavery
@ajhavery, поскольку первоначальный вопрос был другим, и это продолжение, задайте отдельный вопрос. – alecxe