5

我有 Scrapy（1.0.3 版）蜘蛛，在其中我从网页中提取一些数据并下载文件，如下所示（简化）：

def extract_data(self, response):
    title = response.xpath('//html/head/title/text()').extract()[0].strip()
    my_item = MyItem()
    my_item['title'] = title    

    file_url = response.xpath('...get url of file...')
    file_urls = [file_url]  # here there can be more urls, so I'm storing like a list
    fi = FileItem()
    fi['file_urls'] = file_urls 
    yield my_item
    yield fi

在 pipelines.py 我只是覆盖 FilePipeline 来更改文件的名称： 

from scrapy.pipelines.files import FilesPipeline

class CustomFilesPipeline(FilesPipeline):
    def file_path(self, request, response=None, info=None):
        filename = format_filename(request.url)
        return filename

在 items.py 我有：

class MyItem(scrapy.Item):
    title = scrapy.Field()

class FileItem(scrapy.Item):
    file_urls = scrapy.Field()
    files = scrapy.Field()

在 settings.py 我有：

ITEM_PIPELINES = {
    'myscraping.pipelines.CustomFilesPipeline': 100
}

现在在输出 csv 文件中我得到如下内容：

title1
title2
,
,
title3
etc.

看起来空行（只有逗号）代表下载的文件，我想知道或获得如何防止这些行出现在输出 csv 文件中的建议。（文件保存在文件夹中）。
在 Scrapy 设置中，我发现了 FEED_STORE_EMPTY （默认情况下为 false，即它不应该导出空提要），但这与我猜的文件无关。
我觉得这必须与管道有关，但我不知道该怎么做。
任何帮助，将不胜感激

4

1 回答 1

0

我把答案贴在这里：

def extract_data（自我，响应）：
    title = response.xpath('//html/head/title/text()').extract()[0].strip()
    我的项目 = 我的项目（）
    my_item['title'] = 标题    
    file_url = response.xpath('...获取文件的 url...')
    my_item['file_urls'] = [file_url]
    产生 my_item
于 2015-10-15T09:32:47.177 回答