python - scrapy自动翻页采集，第二页跳转后，爬虫自动结束

Question

{代码...} {代码...}

怪我咯 · Answer

把你的allowed_domains 和 start_urls修改一下即可（为了代码简洁，删除 url="http://xjh.haitou.cc 这个定义（没必要））。
修改完后，判断有一下还有一下的话，继续爬取数据：
yield scrapy.Request(response.urljoin(nextlink[0]),callback=self.parse )

代码修改如下，原因就不说了，建议参考官方文档。

class WeatherSpider(scrapy.Spider):
    name = "myweather"
    allowed_domains = ["xjh.haitou.cc"]
    start_urls = ["http://xjh.haitou.cc/nj/uni-21"]
    def parse(self, response):
        item = WeatherItem()
        preachs=response.xpath('//table[@id="mainInfoTable"]/tbody/tr')
        for preach in preachs:
            item['corp']=preach.xpath('.//p[@class="text-success company"]/text()').extract()
            item['date']=preach.xpath('.//span[@class="hold-ymd"]/text()').extract()
            item['location']=preach.xpath('.//td[@class="text-ellipsis"]/span/text()').extract()
            item['click']=preach.xpath('.//td[@class="text-right"]/text()').extract()
            yield item

        nextlink=response.xpath('//li[@class="next"]/a/@href').extract()

        if nextlink:
            yield scrapy.Request(response.urljoin(nextlink[0]),callback=self.parse )

2015-10-26 15:59:58 [scrapy] INFO: Closing spider (finished)
2015-10-26 15:59:58 [scrapy] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 2247,
 'downloader/request_count': 7,
 'downloader/request_method_count/GET': 7,
 'downloader/response_bytes': 71771,
 'downloader/response_count': 7,
 'downloader/response_status_count/200': 7,
 'finish_reason': 'finished',
 'finish_time': datetime.datetime(2015, 10, 26, 7, 59, 58, 975394),
 'item_scraped_count': 132,
 'log_count/DEBUG': 139,
 'log_count/INFO': 7,
 'request_depth_max': 6,
 'response_received_count': 7,
 'scheduler/dequeued': 7,
 'scheduler/dequeued/memory': 7,
 'scheduler/enqueued': 7,
 'scheduler/enqueued/memory': 7,
 'start_time': datetime.datetime(2015, 10, 26, 7, 59, 56, 500595)}
2015-10-26 15:59:58 [scrapy] INFO: Spider closed (finished)

部分数据如下：
1:{"date": ["2015-10-26 12:00"], "corp": ["大通证券股份有限公司"], "location": ["教一-508"], "click": ["159"]}
2:{"date": ["2015-10-26 14:00"], "corp": ["Goa大象设计"], "location": ["四牌楼校区中大院309"], "click": ["497"]}
3:{"date": ["2015-10-26 14:00"], "corp": ["中国建筑西南勘察设计研究院有限公司"], "location": ["四牌楼校区中山院111"], "click": ["403"]}
4:{"date": ["2015-10-26 14:00"], "corp": ["苏州桑泰海洋仪器研发有限责任公司"], "location": ["四牌楼校区中山院201"], "click": ["624"]}
5:{"date": ["2015-10-26 14:00"], "corp": ["大唐电信科技股份有限公司"], "location": ["四牌楼校区致知堂"], "click": ["1031"]}
6:{"date": ["2015-10-26 14:00"], "corp": ["华信咨询设计研究院有限公司"], "location": ["教六403"], "click": ["373"]}
7:{"date": ["2015-10-26 14:00"], "corp": ["山石网科通信技术有限公司"], "location": ["九龙湖校区教四302"], "click": ["573"]}
8:{"date": ["2015-10-26 18:30"], "corp": ["北京凯晨置业有限公司"], "location": ["四牌楼校区榴园宾馆逸夫科技馆"], "click": ["254"]}
9:{"date": ["2015-10-26 18:30"], "corp": ["中国建筑国际集团有限公司"], "location": ["四牌楼校区礼东101"], "click": ["237"]}
10:{"date": ["2015-10-26 18:30"], "corp": ["无锡华润微电子有限公司"], "location": ["四牌楼校区群贤楼三楼报告厅"], "click": ["607"]}
11:{"date": ["2015-10-26 19:00"], "corp": ["上海斐讯数据通信技术有限公司"], "location": ["教一208"], "click": ["461"]}
.....
.....
129:{"date": ["2015-11-16 14:00"], "corp": ["人本集团有限公司"], "location": ["大学生活动中心322多功能厅"], "click": ["26"]}
130:{"date": ["2015-11-17 18:30"], "corp": ["仲量联行测量师事务所(上海)有限公司"], "location": ["九龙湖大学生活动中心324报"], "click": ["19"]}
131:{"date": ["2015-11-18 15:30"], "corp": ["厦门中骏集团有限公司"], "location": ["四牌楼榴园新华厅"], "click": ["63"]}
132:{"date": ["2015-11-19 14:00"], "corp": ["理士国际技术有限公司"], "location": ["九龙湖大学生活动中心322报"], "click": ["22"]}

迷茫 · Answer

给你一个建议的参考

参考链接

python - scrapy自动翻页采集，第二页跳转后，爬虫自动结束

répondre à tous(2)je répondrai