python-Scrapy爬网所有站点地图链接

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python-Scrapy爬网所有站点地图链接，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含790字，纯文字阅读大概需要2分钟。

内容图文

我想抓取他在固定站点的sitemap.xml中存在的所有链接.我遇到了Scrapy的SitemapSpider.到目前为止,我已经提取了站点地图中的所有网址.现在,我想通过站点地图的每个链接进行爬网.任何帮助将非常有用.到目前为止的代码是：

class MySpider(SitemapSpider):
    name = "xyz"
    allowed_domains = ["xyz.nl"]
    sitemap_urls = ["http://www.xyz.nl/sitemap.xml"] 

    def parse(self, response):
        print response.url

解决方法:

您需要添加sitemap_rules来处理抓取的url中的数据,并且可以创建任意数量的数据.
例如,假设您有一个名为http://www.xyz.nl//x/的页面要创建规则：

class MySpider(SitemapSpider):
    name = 'xyz'
    sitemap_urls = 'http://www.xyz.nl/sitemap.xml'
    # list with tuples - this example contains one page 
    sitemap_rules = [('/x/', parse_x)]

    def parse_x(self, response):
        sel = Selector(response)
        paragraph = sel.xpath('//p').extract()

        return paragraph

内容总结

以上是互联网集市为您收集整理的python-Scrapy爬网所有站点地图链接全部内容，希望文章能够帮你解决python-Scrapy爬网所有站点地图链接所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端