Scrapy店返回变量项主要脚本

Z时代
2024-01-10
分类：问答

使用我很新的Scrapy，想尝试以下操作：从网页中提取一些值，将其存储在一个变量，在我的主要脚本中使用它。所以我也跟着他们的教程，并改变了代码为我的目的：Scrapy店返回变量项主要脚本

import scrapy
from scrapy.crawler import CrawlerProcess 
class QuotesSpider(scrapy.Spider): 
    name = "quotes" 
    start_urls = [ 
     'http://quotes.toscrape.com/page/1/' 
    ] 
    custom_settings = { 
     'LOG_ENABLED': 'False', 
    } 
    def parse(self, response): 
     global title # This would work, but there should be a better way 
     title = response.css('title::text').extract_first() 
process = CrawlerProcess({ 
    'USER_AGENT': 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)' 
}) 
process.crawl(QuotesSpider) 
process.start() # the script will block here until the crawling is finished 
print(title) # Verify if it works and do some other actions later on...

这将工作至今，但我敢肯定它不是一个良好的作风，甚至有一些不良的副作用，如果我定义标题变量为全局。如果我跳过那一行，那么我会得到“未定义的变量”错误当然是：/ 因此，我正在寻找一种方法来返回变量并在我的主脚本中使用它。

我已阅读关于物品管道，但我无法使其工作。

任何帮助/想法都非常感谢:) 在此先感谢！

回答：

使用global因为你知道是不是一个很好的风格，特别是当你需要扩展需求。

我的建议是标题存储到文件或目录，并在主过程中使用它，或者如果你想处理其他脚本的标题，然后只需打开文件，并在你的脚本

阅读题（注：请忽略压痕问题）

spider.py

import scrapy 
from scrapy.crawler import CrawlerProcess 
namefile = 'namefile.txt' 
current_title_session = []#title stored in current session 
file_append = open(namefile,'a',encoding = 'utf-8') 
try: 
    title_in_file = open(namefile,'r').readlines() 
except: 
    title_in_file = open(namefile,'w') 
class QuotesSpider(scrapy.Spider): 
    name = "quotes" 
    start_urls = [ 
     'http://quotes.toscrape.com/page/1/' 
    ] 
    custom_settings = { 
     'LOG_ENABLED': 'False', 
    } 
    def parse(self, response): 
     title = response.css('title::text').extract_first() 
     if title +'\n' not in title_in_file and title not in current_title_session: 
      file_append.write(title+'\n') 
      current_title_session.append(title) 
if __name__=='__main__': 
    process = CrawlerProcess({ 
     'USER_AGENT': 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)' 
    }) 
    process.crawl(QuotesSpider) 
    process.start() # the script will block here until the crawling is finished