5

我在下面找到了答案。简而言之，ItemPipeline 中的错误缩进导致它返回 None。

我一直在尝试在 Scrapy 中编写 CrawlSpider，之前从未使用过 python。Spider爬取，调用回调函数，提取数据并填充项目，但它总是返回None。我已经通过打印文章调用对其进行了测试，一切正常。我已经尝试过使用 yield 和 return （尽管我仍然不明白其中的区别）。坦率地说，我没有想法。下面是回调函数。//edit 也添加了蜘蛛代码

class ZeitSpider(CrawlSpider):
name= xxxx
allowed_domains = ['example.com']
start_urls = ['http://www.example.com/%d/%d' %(JAHR,39)]
rules = (Rule(SgmlLinkExtractor(restrict_xpaths=('//ul[@class="teaserlist"]/li[@class="archiveteaser"]/h4[@class="title"]')),callback='parse_url',follow=True),)


    def parse_url(self,response):
        hxs = HtmlXPathSelector(response)

        article = Article()

        article['url']= response.url.encode('UTF-8',errors='strict')

        article['author']= hxs.select('//div[@id="informatives"]/ul[@class="tools"]/li[@class="author first"]/text()').extract().pop().encode('UTF-8',errors='strict')
        article['title']= hxs.select('//div[@class="articleheader"]/h1/span[@class="title"]/text()').extract().pop().encode('UTF-8',errors='strict')

        article['text']= hxs.select('//div[@id="main"]/p/text()').extract().pop().encode('UTF-8',errors='strict')

        article['excerpt'] = hxs.select('//p[@class="excerpt"]/text()').extract().pop().encode('UTF-8',errors='strict')
        yield article

和项目定义

class Article(Item):
    url=Field()
    author=Field()
    text=Field()
    title=Field()
    excerpt=Field()
4

1 回答 1

3

好的，在使用 pdb 单步执行程序后，我发现了错误：

因为我有多个蜘蛛，我想写多个 ItemPipelines。为了让它们根据蜘蛛区分，我添加了一个

if spider.name=='SpiderName'
    return item

注意缩进。管道没有返回任何内容，因此输出变为无。

更改缩进后，蜘蛛完美无瑕地工作。PEBCAC 的另一个例子。

于 2012-10-04T07:11:21.010 回答