【Python】使用scrapy爬取新浪微博,无法进入回调的parse_item函数,怎么回事呢?

为什么会无法进入parse_item函数呢,自己讲web.com的url全部换成了csdn之后就可以了,甚至用的还是weibo的cookie,自己怀疑是不是因为微博重定向的原因,代码如下:

import scrapy

import re

from scrapy.selector import Selector

from scrapy.http import Request

from tutorial.items import DmozItem

from string import maketrans

from scrapy.contrib.spiders import CrawlSpider, Rule

from scrapy.contrib.linkextractors import LinkExtractor

def extractData(regex, content, index=1):

r = '0'

p = re.compile(regex)

m = p.search(content)

if m:

r = m.group(index)

return r

class DmozSpider(CrawlSpider):

name = "dmoz"

allowed_domains = ["weibo.com"]

download_delay = 2

rules=[

Rule(LinkExtractor(allow=('/')),callback='parse_item',follow=True)

]

headers = {

"Accept": "*/*",

"Accept-Encoding": "gzip, deflate, sdch, br",

"Accept-Language": "zh-CN,zh;q=0.8",

"Connection": "keep-alive",

# "Host": "login.sina.com.cn",

"Referer": "http://weibo.com/",

"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.75 Safari/537.36"

}

cookies = {

'ALF':'我的cookie',

'Apache':'我的cookie',

'SCF':'我的cookie',

'SINAGLOBAL':'我的cookie',

'SSOLoginState':'我的cookie',

'SUB':'我的cookie',

'SUBP':'我的cookie',

'SUHB':'我的cookie',

'TC-Page-G0':'我的cookie',

'TC-Ugrow-G0':'我的cookie',

'TC-V5-G0':'我的cookie',

'ULV':'我的cookie',

'UOR':'我的cookie',

'WBStorage':'我的cookie',

'YF-Page-G0':'我的cookie',

'YF-Ugrow-G0':'我的cookie',

'YF-V5-G0':'我的cookie',

'_s_tentry':'-',

'log_sid_t':'我的cookie',

'un':'我的cookie',

}

def start_requests(self):

return [Request("http://weibo.com/u/2010226570?refer_flag=1001030101_&is_all=1",cookies = self.cookies,headers=self.headers)]

def parse_item(self, response):

print "comehere!"

regexID=r'class=\\"username\\">(.*)\<\\/h1>'

content=response.body

item=DmozItem()

ID=extractData(regexID,content,1)

item['ID']=ID

print ID

yield item

同时控制台输出如下,自己初步怀疑是重定向的原因,那么怎么解决呢,怎么才可以进入parse_item函数呢?:【Python】使用scrapy爬取新浪微博,无法进入回调的parse_item函数,怎么回事呢?

回答

cookie的问题了,让网页不再重定向即可。

应该是callback=self.parse_item吧

以上是 【Python】使用scrapy爬取新浪微博,无法进入回调的parse_item函数,怎么回事呢? 的全部内容, 来源链接: utcz.com/a/79994.html

回到顶部