文章详情页
python - Scrapy ItemLoader数据清洗疑问
问题描述
在使用scrapy抓取数据时,利用itemloader这个类,使用selector取出的值为空时,进入scrapy.Field()里调用filter(),selector取值不为空的确返回'有值',如果selector取出[]或'',那么value进入filter()之后,并不会返回'无值'
def filter(value): if value:return '有值' else:return '无值' # 下面就简写了,熟悉的应该能看的懂 scrapy.Field(filter())
有什么办法将抓取为空的值,经过filyer()之后变成'无值'
问题解答
回答1:谢邀~不太了解Scrapy,所以题主这个我不太好说我用PHP自己写的爬虫大体思路是:1.先是根据正则和一些循环,把要收集的页面放到队列里,按类别分类,例如分页的列表页一个队列,列表里的数据内容页一个队列。2.然后利用xpath来爬取相关内容页的数据,爬取的过程中对一些爬取到的数据进行如题主所需的那样进行处理。3.组装数据,按照自己所需的标准保存数据。
大体就是这样,我绝对大部分爬虫框架也大概都是这种思路吧,无非是在此基础上增加了,反爬机制,多线程,多进程,增量爬取等等功能。所以,题主找到你这个框架的爬取数据那里进行处理或组装数据的地方进行处理都行。
相关文章:
1. 怎样用python给mp3添加封面?2. 上传多图时,最后一张图为缩略图,想设置第一张图为缩略图怎么解决?3. python - 如何获取rabbitmq连接的celery的个数4. js怎样实现在类似qq的联系人分组中进行搜索后,又可恢复原分组的界面?5. TP6里多应用里如何开启调试跟踪6. 数据库 - Mysql的存储过程真的是个坑!求助下面的存储过程哪里错啦,实在是找不到哪里的问题了。7. javascript - 百度地图一开始设置了中心点,怎么通过按钮在调转到对应的中心点????8. mysql优化 - mysql 一张表如果不能确保字段列长度一致,是不是就不需要用到char。9. python - 如何将文本文件的CR换行符换成LF换行符?10. python 中文乱码问题
排行榜