import scrapy


class QiubaiSpider(scrapy.Spider):
    name = 'qiubai'
    #allowed_domains = ['www.xxx.com']
    start_urls = ['https://www.qiushibaike.com/text/']

    def parse(self, response):
        # 作者的名称与内容,个人觉得是不是这里有问题?爬虫运行后没有获取到任何数据
        div_list = response.xpath('//div[@id="col1 old-style-col1"]/div')
        all_data = []
        for div in div_list:            author = div.xpath('./div/a[1]/h2/text()')[0].extract()
                   content = div.xpath(
'./div/span//text()').extract()
            content =
''.join(content)
            dic = {
               
'author':author,
                'content':content
            }
            all_data.append(dic)
        
return all_data
举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2021-11-2 15:26

沙发
Fuller 管理员 发表于 2021-11-1 17:43:01 | 只看该作者
用scrapy的简单的request/response估计采集不到你想要的内容,做下面的测试就可以看到,在这个网页上并没有你要的那个div,第二个命令是作为对照,可以看到,这个命令能搜到网页上含有的内容。


举报 使用道具
板凳
fengsj_2015 新手上路 发表于 2021-11-2 15:26:29 | 只看该作者
@Fuller 谢谢你的回复。确实是没有取到我要的div,我后面做了调整就好了。
举报 使用道具
您需要登录后才可以回帖 登录 | 立即注册

精彩推荐

  • Gephi社会网络分析-马蜂窝游记文本分词并同
  • Gephi社会网络分析-基于马蜂窝游记文本以词
  • 知乎话题文本根据词语间距筛选后生成共词矩
  • 马蜂窝游记文本分词后以词语间距为筛选条件
  • 学习使用apriori算法挖掘关联关系

热门用户

GMT+8, 2024-4-24 19:15