scrapy: traiter avec des caractères spéciaux dans l'URL

Je racler un sitemap XML qui contient des caractères spéciaux comme é, qui se traduit parscrapy: traiter avec des caractères spéciaux dans l'URL

ERROR: Spider error processing <GET [URL with '%C3%A9' instead of 'é']>

Comment puis-je Scrapy pour garder l'URL d'origine tel qu'il est, à savoir avec le caractère spécial en elle?

Scrapy == 1.3.3

Python == 3.5.2 (je dois en tenir à ces versions)

Mise à jour: Comme par https://stackoverflow.com/a/17082272/6170115 j'ai pu obtenir l'URL avec la bonne caractère à l'aide unquote:

Exemple d'utilisation:

>>> from urllib.parse import unquote 
>>> unquote('ros%C3%A9') 
'rosé'

J'ai aussi essayé de mon propre Req sous-classe uest sans safe_url_string mais je finis avec:

UnicodeEncodeError: 'ascii' codec can't encode character '\xf9' in position 25: ordinal not in range(128)

retraçage complète:

[scrapy.core.scraper] ERROR: Error downloading <GET [URL with characters like ù]> 
Traceback (most recent call last): 
    File "/usr/share/anaconda3/lib/python3.5/site-packages/twisted/internet/defer.py", line 1384, in _inlineCallbacks 
result = result.throwExceptionIntoGenerator(g) 
    File "/usr/share/anaconda3/lib/python3.5/site-packages/twisted/python/failure.py", line 393, in throwExceptionIntoGenerator 
return g.throw(self.type, self.value, self.tb) 
    File "/usr/share/anaconda3/lib/python3.5/site-packages/scrapy/core/downloader/middleware.py", line 43, in process_request 
defer.returnValue((yield download_func(request=request,spider=spider))) 
    File "/usr/share/anaconda3/lib/python3.5/site-packages/scrapy/utils/defer.py", line 45, in mustbe_deferred 
result = f(*args, **kw) 
    File "/usr/share/anaconda3/lib/python3.5/site-packages/scrapy/core/downloader/handlers/__init__.py", line 65, in download_request 
return handler.download_request(request, spider) 
    File "/usr/share/anaconda3/lib/python3.5/site-packages/scrapy/core/downloader/handlers/http11.py", line 61, in download_request 
return agent.download_request(request) 
    File "/usr/share/anaconda3/lib/python3.5/site-packages/scrapy/core/downloader/handlers/http11.py", line 260, in download_request 
agent = self._get_agent(request, timeout) 
    File "/usr/share/anaconda3/lib/python3.5/site-packages/scrapy/core/downloader/handlers/http11.py", line 241, in _get_agent 
scheme = _parse(request.url)[0] 
    File "/usr/share/anaconda3/lib/python3.5/site-packages/scrapy/core/downloader/webclient.py", line 37, in _parse 
return _parsed_url_args(parsed) 
    File "/usr/share/anaconda3/lib/python3.5/site-packages/scrapy/core/downloader/webclient.py", line 19, in _parsed_url_args 
path = b(path) 
    File "/usr/share/anaconda3/lib/python3.5/site-packages/scrapy/core/downloader/webclient.py", line 17, in <lambda> 
b = lambda s: to_bytes(s, encoding='ascii') 
    File "/usr/share/anaconda3/lib/python3.5/site-packages/scrapy/utils/python.py", line 120, in to_bytes 
return text.encode(encoding, errors) 
UnicodeEncodeError: 'ascii' codec can't encode character '\xf9' in position 25: ordinal not in range(128)

Des conseils?

Source

2017-10-20 happyspace

S'il vous plaît jeter un oeil à ma [réponse] (https://stackoverflow.com/questions/42445087/force-python-scrapy-not-to-encode-url) à un problème similaire. Peut-être que vous pouvez appliquer cette technique à votre cas d'utilisation. –

Le vrai problème était ici: https://stackoverflow.com/questions/47563095/json-url-sometimes-returns-a-null-response Et répondez: https://stackoverflow.com/a/47564798/6170115 – happyspace

Je ne pense pas que vous pouvez faire comme Scrapy usessafe_url_string de la bibliothèque w3lib avant de stocker l'URL de Request. Vous devriez en quelque sorte inverser cela.

Source

2017-10-20 05:59:24

scrapy: traiter avec des caractères spéciaux dans l'URL

Répondre

Questions connexes