最新文章专题视频专题问答1问答10问答100问答1000问答2000关键字专题1关键字专题50关键字专题500关键字专题1500TAG最新视频文章推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37视频文章20视频文章30视频文章40视频文章50视频文章60 视频文章70视频文章80视频文章90视频文章100视频文章120视频文章140 视频2关键字专题关键字专题tag2tag3文章专题文章专题2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章专题3
当前位置: 首页 - 科技 - 知识百科 - 正文

Python使用scrapy抓取网站sitemap信息的方法

来源:动视网 责编:小采 时间:2020-11-27 14:32:20
文档

Python使用scrapy抓取网站sitemap信息的方法

Python使用scrapy抓取网站sitemap信息的方法:本文实例讲述了Python使用scrapy抓取网站sitemap信息的方法。分享给大家供大家参考。具体如下: import re from scrapy.spider import BaseSpider from scrapy import log from scrapy.utils.response import b
推荐度:
导读Python使用scrapy抓取网站sitemap信息的方法:本文实例讲述了Python使用scrapy抓取网站sitemap信息的方法。分享给大家供大家参考。具体如下: import re from scrapy.spider import BaseSpider from scrapy import log from scrapy.utils.response import b


本文实例讲述了Python使用scrapy抓取网站sitemap信息的方法。分享给大家供大家参考。具体如下:

import re
from scrapy.spider import BaseSpider
from scrapy import log
from scrapy.utils.response import body_or_str
from scrapy.http import Request
from scrapy.selector import HtmlXPathSelector
class SitemapSpider(BaseSpider):
 name = "SitemapSpider"
 start_urls = ["http://www.domain.com/sitemap.xml"]
 def parse(self, response):
 nodename = 'loc'
 text = body_or_str(response)
 r = re.compile(r"(<%s[s>])(.*?)()"%(nodename,nodename),re.DOTALL)
 for match in r.finditer(text):
 url = match.group(2)
 yield Request(url, callback=self.parse_page)
 def parse_page(self, response):
 hxs = HtmlXPathSelector(response)
 #Mock Item
 blah = Item()
 #Do all your page parsing and selecting the elemtents you want
 blash.divText = hxs.select('//div/text()').extract()[0]
 yield blah

希望本文所述对大家的Python程序设计有所帮助。

文档

Python使用scrapy抓取网站sitemap信息的方法

Python使用scrapy抓取网站sitemap信息的方法:本文实例讲述了Python使用scrapy抓取网站sitemap信息的方法。分享给大家供大家参考。具体如下: import re from scrapy.spider import BaseSpider from scrapy import log from scrapy.utils.response import b
推荐度:
  • 热门焦点

最新推荐

猜你喜欢

热门推荐

专题
Top