推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 2125 天前的主题，其中的信息可能已经有所发展或是发生改变。
def get_page_content(self,response):
next_page = response.xpath('//div[@class="page"]/a[contains(@ka,"page-next")]/@href').extract()
print(response.url)
linkList=response.xpath('//div[@class="sub-li"]/a[contains(@class,"company-info")]/@href').extract()
linkList=[response.urljoin(link) for link in linkList]
if linkList :
for link in linkList:
yield scrapy.Request(url=link,callback=self.final_parsre,dont_filter=True)
next_page = response.xpath('//div[@class="page"]/a[contains(@ka,"page-next")]/@href').extract()
print(next_page)
if next_page is not None:
next_page=response.urljoin(next_page[0])
yield scrapy.Request(url=next_page,callback=self.get_page_content,dont_filter=True)
https://www.zhipin.com/gongsi/_zzz_c101200100_iy100101_t801_s302/?page=1&ka=page-1
这个网站翻页是通过点击 next page 不知道有多少页，因为我要点很多按钮 城市 融资，然后点入每个详情页 抓数据，现在不知道多少页，只能通过点击下一页找，如何写？
next_page = response.xpath('//div[@class="page"]/a[contains(@ka,"page-next")]/@href').extract()
print(response.url)
linkList=response.xpath('//div[@class="sub-li"]/a[contains(@class,"company-info")]/@href').extract()
linkList=[response.urljoin(link) for link in linkList]
if linkList :
for link in linkList:
yield scrapy.Request(url=link,callback=self.final_parsre,dont_filter=True)
next_page = response.xpath('//div[@class="page"]/a[contains(@ka,"page-next")]/@href').extract()
print(next_page)
if next_page is not None:
next_page=response.urljoin(next_page[0])
yield scrapy.Request(url=next_page,callback=self.get_page_content,dont_filter=True)
https://www.zhipin.com/gongsi/_zzz_c101200100_iy100101_t801_s302/?page=1&ka=page-1
这个网站翻页是通过点击 next page 不知道有多少页，因为我要点很多按钮 城市 融资，然后点入每个详情页 抓数据，现在不知道多少页，只能通过点击下一页找，如何写？
 |
1
layorlayor 2019-01-16 10:18:13 +08:00
if len(next_page) != 0: yield xxxx ???
|
|
2
layorlayor 2019-01-16 10:21:33 +08:00
用 class="next"貌似要好些，因为没有下一页就没这个标签了
|
 |
3
Ewig OP @layorlayor https://www.zhipin.com/gongsi/_zzz_c101200100_iy100101_t801_s302/
这个网站我先进入每个详情页，然后再翻页 进入详情页抓数据 |
|
4
Ewig OP 这个不好处理
|
 |
5
xpresslink 2019-01-16 13:21:41 +08:00
try: 获取下一页;yeild 下一页; except: pass
|
 |
6
largecat 2019-01-16 16:38:54 +08:00 via Android
递归下一页。
获取的数据返回在顶层打包丢给 pipeline |
|
7
Ewig OP @xpresslink 为啥 try
|
 |
8
kr380709959 2019-01-16 16:54:21 +08:00
我爬过拉钩的，类似也是分页的，我记得我是 page += 1,
if item: break else: items.append(item) //item 是职位信息 |
 |
9
quere 2019-01-16 17:07:48 +08:00
scripy-redis 这个框架里面有一个自动去重的，可以用这个框架抓取
|
|
10
xpresslink 2019-01-16 17:15:22 +08:00
@Ewig 因为下页的 url 在最后一页肯定是获取不到或得到 None 的。yield 下一页的 Request 对象就会报错。scrapy 本身也有异常处理机制并不会影响其它 Request 对象执行，只是输出错误信息到日志里面。
直接使用捕获异常，或是先检测再使用是两种哲学。 python 和一些动态语言倾向使用第一种哲学 |
 |
11
houzhimeng 2019-01-16 17:23:11 +08:00
方法挺多，1.先爬列表页所有，判断有没有内容了，if not room_list :return，
2.然后解析详情页。 ls 那种方法去重也行，或者 CrawlSpider |
|
12
Ewig OP @houzhimeng 这个页面你多少页都有内容啊，因为都是最后一页内容
|
|
13
Ewig OP @xpresslink 我那个写的有问题吗？
|
Select Language