Python scrapy 自定义函数无法调用。

Python scrapy 自定义函数无法调用。

爬取一个网页时，遇到一个非常奇怪的问题，如果使用自定义函数，那么yield item 没有调用。爬取的链接：http://www.duilian360.com/chu...
代码如下：

import scrapy
from shufa.items import DuilianItem
class DuilianSpiderSpider(scrapy.Spider):
    name = 'duilian_spider'
    start_urls = [
        {"url": "http://www.duilian360.com/chunjie/117.html", "category_name": "春联", "group_name": "鼠年春联"},
    ]
    base_url = 'http://www.duilian360.com'
    def start_requests(self):
        for topic in self.start_urls:
            url = topic['url']
            yield scrapy.Request(url=url, callback=lambda response: self.parse_page(response))
    def parse_page(self, response):
        div_list = response.xpath("//div[@class='contentF']/div[@class='content_l']/p")
        self.parse_paragraph(div_list)
    def parse_paragraph(self, div_list):
        for div in div_list:
            duilian_text_list = div.xpath('./text()').extract()
            for duilian_text in duilian_text_list:
                duilian_item = DuilianItem()
                duilian_item['category_id'] = 1
                duilian = duilian_text
                duilian_item['name'] = duilian
                duilian_item['desc'] = ''
                print('I reach here...') # 这句始终没有调用
                yield duilian_item

在上面的代码中，print语句一直没有调用，打断点也无法进入parse_paragraph函数。但是如果我把parse_paragraph函数的代码直接贴到调用处，print语句就可以输出，像下面这样：

import scrapy
from shufa.items import DuilianItem
class DuilianSpiderSpider(scrapy.Spider):
    name = 'duilian_spider'
    start_urls = [
        {"url": "http://www.duilian360.com/chunjie/117.html", "category_name": "春联", "group_name": "鼠年春联"},
    ]
    base_url = 'http://www.duilian360.com'
    def start_requests(self):
        for topic in self.start_urls:
            url = topic['url']
            yield scrapy.Request(url=url, callback=lambda response: self.parse_page(response))
    def parse_page(self, response):
        div_list = response.xpath("//div[@class='contentF']/div[@class='content_l']/p")
        for div in div_list:
            duilian_text_list = div.xpath('./text()').extract()
            for duilian_text in duilian_text_list:
                duilian_item = DuilianItem()
                duilian_item['category_id'] = 1
                duilian = duilian_text
                duilian_item['name'] = duilian
                duilian_item['desc'] = ''
                print('I reach here...')
                yield duilian_item
    # def parse_paragraph(self, div_list):
    #     for div in div_list:
    #         duilian_text_list = div.xpath('./text()').extract()
    #         for duilian_text in duilian_text_list:
    #             duilian_item = DuilianItem()
    #             duilian_item['category_id'] = 1
    #             duilian = duilian_text
    #             duilian_item['name'] = duilian
    #             duilian_item['desc'] = ''
    #             print('I reach here...')
    #             yield duilian_item

请问这是为什么呢？我的代码里有很多自定义函数，并且有很多for循环，直接把代码贴到调用处会很难看，也不利于统一维护，因为可能很多地方调用同一个自定义函数。

回答：

终于找打答案了，其实是调用的方式不对，在自定义函数调用前加上yield from就可以了。

def parse_page(self, response):
     div_list = response.xpath("//div[@class='contentF']/div[@class='content_l']/p")
     yield from self.parse_paragraph(div_list)

回答：

你只差了一个 return 。若是没有，yield 产生的生成器不会执行，所以你看不到 print 结果。

改成这样

    def parse_page(self, response):
        div_list = response.xpath("//div[@class='contentF']/div[@class='content_l']/p")
-       self.parse_paragraph(div_list)
+       return self.parse_paragraph(div_list)

回答：

（补充）
第一次见到出了错还能如此肯定别人的回答是错的。
首先,scrapy的start_requests正常情况只会执行一次，就是启动的时候，默认情况它会把strat_urls列表的url包装成scrapy.Request并依次yield到调度器，调度器下载后回调parse函数。如果需要循环爬取，在parse函数内再次yeild scrapy.Request就行了，如果采集到了数据，创建Item子类并yield ,scrapy会自动识别并传给pipline处理，楼下说的对，你的yield from不就成了return吗？

这个问题不是出在这。你没有搞清楚scrapy的运作方式，start_request函数只会执行一次，把列表里的url处理并传到调度器就结束了。
重要的是你需要重写parse函数（默认的）或者自定义的callback，在其yield处返回一个Request。这样才能循环下去

python">def parse_page(self, response):
        div_list = response.xpath("//div[@class='contentF']/div[@class='content_l']/p")
        self.parse_paragraph(div_list)
        yield scrapy.Request(something)
def parse_paragraph(self, div_list):
        for div in div_list:
            duilian_text_list = div.xpath('./text()').extract()
            for duilian_text in duilian_text_list:
                duilian_item = DuilianItem()
                duilian_item['category_id'] = 1
                duilian = duilian_text
                duilian_item['name'] = duilian
                duilian_item['desc'] = ''
                print('I reach here...') # 这句始终没有调用
                yield duilian_item

回答：

您的答案不对，因为自定义的函数里面有yield， 这个是一个生成器，调用生成器不是直接调函数名。

以上是 Python scrapy 自定义函数无法调用。 的全部内容， 来源链接： utcz.com/a/157806.html

回到顶部