2017-06-05 3 views
1

Lorsque j'utilise scrapy pour obtenir des informations sur les stocks de «http://quote.eastmoney.com/stocklist.html», je ne peux pas obtenir une bonne réponse. En fait, je n'ai rien quand je l'exécute. Voici le contenu de stocks.py:Mon scrapy ne peut pas obtenir une réponse valide

import scrapy 
from scrapy.selector import Selector 
import re 

class StocksSpider(scrapy.Spider): 
name = "stocks" 

start_urls = ['http://quote.eastmoney.com/stocklist.html'] 

def parse(self, response): 


    for i in Selector(response).xpath('//div[@id="quotesearch"]/ul/li/a/@href').extract(): 
     try: 
      stock=re.split(r'[./]',i)[5] 

      url='https://gupiao.baidu.com/stock/'+stock+'.html' 
      yield scrapy.Rquest(url,callback=self.parse_stock) 
     except: 
      continue 

def parse_stock(self,response): 
    infoDict={} 


    name=Selector(response).xpath('//a[@class="bets-name"]/text()').extract()[0] 
    keylist=Selector(response).xpath('//dl/dt/text()').extract() 

    for i in range(len(keylist)): 
     try: 
      val=Selector(response).xpath('//dl/dd/text()').extract()[0] 
     except: 
      val='--' 
     infoDict[keylist[i]]=val 
    infoDict.update({'股票名称':name[0].split()[0]+'('+Selector(response).xpath('//a[@class="bets-name"]/span/text()')[0].extract()[0]+')'}) 


    yield infoDict 

Voici ce que je reçois quand je le lance:

2017-06-05 20:28:32 [scrapy.utils.log] INFO: Scrapy 1.3.3 started (bot: BaiduStocks) 
    2017-06-05 20:28:32 [scrapy.utils.log] INFO: Overridden settings: {'BOT_NAME': 'BaiduStocks', 'FEED_EXPORT_ENCODING': 'utf-8', 'NEWSPIDER_MODULE': 'BaiduStocks.spiders', 'ROBOTSTXT_OBEY': True, 'SPIDER_MODULES': ['BaiduStocks.spiders']} 
2017-06-05 20:28:32 [scrapy.middleware] INFO: Enabled extensions: 
['scrapy.extensions.corestats.CoreStats', 
'scrapy.extensions.telnet.TelnetConsole', 
'scrapy.extensions.logstats.LogStats'] 
2017-06-05 20:28:33 [scrapy.middleware] INFO: Enabled downloader middlewares: 
['scrapy.downloadermiddlewares.robotstxt.RobotsTxtMiddleware', 
'scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware', 
'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware', 
'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware', 
'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware', 
'scrapy.downloadermiddlewares.retry.RetryMiddleware', 
'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware', 
'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware', 
'scrapy.downloadermiddlewares.redirect.RedirectMiddleware', 
'scrapy.downloadermiddlewares.cookies.CookiesMiddleware', 
'scrapy.downloadermiddlewares.stats.DownloaderStats'] 
2017-06-05 20:28:33 [scrapy.middleware] INFO: Enabled spider middlewares: 
['scrapy.spidermiddlewares.httperror.HttpErrorMiddleware', 
'scrapy.spidermiddlewares.offsite.OffsiteMiddleware', 
'scrapy.spidermiddlewares.referer.RefererMiddleware', 
'scrapy.spidermiddlewares.urllength.UrlLengthMiddleware', 
'scrapy.spidermiddlewares.depth.DepthMiddleware'] 
2017-06-05 20:28:33 [scrapy.middleware] INFO: Enabled item pipelines: 
['BaiduStocks.pipelines.BaidustocksInfoPipeline'] 
2017-06-05 20:28:33 [scrapy.core.engine] INFO: Spider opened 
2017-06-05 20:28:33 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min) 
2017-06-05 20:28:33 [scrapy.extensions.telnet] DEBUG: Telnet console listening on 127.0.0.1:6023 
2017-06-05 20:28:33 [scrapy.core.engine] DEBUG: Crawled (404) <GET http://quote.eastmoney.com/robots.txt> (referer: None) 
2017-06-05 20:28:33 [scrapy.core.engine] DEBUG: Crawled (200) <GET http://quote.eastmoney.com/stocklist.html> (referer: None) 
2017-06-05 20:28:33 [scrapy.core.engine] INFO: Closing spider (finished) 
2017-06-05 20:28:33 [scrapy.statscollectors] INFO: Dumping Scrapy stats: 
{'downloader/request_bytes': 458, 
'downloader/request_count': 2, 
'downloader/request_method_count/GET': 2, 
'downloader/response_bytes': 570201, 
'downloader/response_count': 2, 
'downloader/response_status_count/200': 1, 
'downloader/response_status_count/404': 1, 
'finish_reason': 'finished', 
'finish_time': datetime.datetime(2017, 6, 5, 12, 28, 33, 930937), 
'log_count/DEBUG': 3, 
'log_count/INFO': 7, 
'response_received_count': 2, 
'scheduler/dequeued': 1, 
'scheduler/dequeued/memory': 1, 
'scheduler/enqueued': 1, 
'scheduler/enqueued/memory': 1, 
'start_time': datetime.datetime(2017, 6, 5, 12, 28, 33, 28477)} 
2017-06-05 20:28:33 [scrapy.core.engine] INFO: Spider closed (finished) 

Je travaille là-dessus pendant quelques jours, mais je ne peux pas Dites ce qui ne va pas. J'ai vraiment besoin de votre aide. Merci à tous!

+0

En regardant vos journaux, il semble que 'parse()' ne génère aucun suivi. Avez-vous par hasard 'ROBOTSTXT_OBEY' mis à' True' dans votre 'settings.py'? Essayez de supprimer cette ligne. – Granitosaurus

+0

J'ai essayé d'enlever cette ligne, mais je rencontre toujours la même situation. Tellement triste -_- –

Répondre

2

Ici, je fait un bref code:

import scrapy 
from scrapy.selector import Selector 
import re 


class StocksSpider(scrapy.Spider): 
    name = "stocks" 

    start_urls = ['http://quote.eastmoney.com/stocklist.html'] 

    def parse(self, response): 
     # response has a shortcut for selector 
     for i in response.xpath('//div[@id="quotesearch"]/ul/li/a/@href').extract(): 
      # never silently catch and drop errors 
      stock = re.split(r'[./]', i)[5] 
      url = 'https://gupiao.baidu.com/stock/' + stock + '.html' 
      yield scrapy.Request(url, callback=self.parse_stock) 

    def parse_stock(self, response): 
     # objects should be lowercase in python 
     item = dict() 
     # there's extract_first shortcut for extract()[0] 
     name = response.xpath('//a[@class="bets-name"]/text()').extract_first('') 
     keylist = response.xpath('//dl/dt/text()').extract() 

     # for each is preferred loop style. 
     for key in keylist: 
      # extract_first allows a default argument to be set 
      item[key] = response.xpath('//dl/dd/text()').extract_first('--') 
     data = Selector(response).xpath('//a[@class="bets-name"]/span/text()').extract_first('') + ')' 
     item['data'] = '{}({})'.format(name.split()[0], data) 
     yield item 

En dehors de problèmes mineurs le plus grand était que votre méthode try/except clause parse() vient de quitter silenty et vous avez eu une faute de frappe Rquest, de sorte que l'araignée juste allé sur - vous ne devriez jamais avoir d'exception de couverture silencieuse pour cette raison :)

+0

Merci beaucoup! Tu es si gentil! Mais je ne comprends toujours pas ce qui est arrivé à 'essayer sauf'. ** Quand j'utilise du code comme ci-dessous, les choses vont bien se passer. ** Mais je ne peux pas faire la différence entre ceci et le mien. Merci encore! def parse (self, response): pour href dans response.css ('a :: attr (href)') .extrait(): try: stock = re.findall (r "[s] [hz] \ d {6} ", href) [0] url = 'https://gupiao.baidu.com/stock/' + stock + '.html' céder scrapy.Request (url, rappel = self.parse_stock) except: continuez ' –

+0

@ L.Jack Votre code original casserait sur cette ligne 'yield scrapy.Rquest (url, callback = self.parse_stock)'. Ici, Request est mal orthographié, python lève 'AttributeError' et comme vous saisissez silencieusement les erreurs _all_, vous ne savez jamais pourquoi et quand et pour quelle raison quelque chose est arrivé. – Granitosaurus

+0

Oh, je suis tellement stupide. Merci beaucoup! –