質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.48%
Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Scrapy

Scrapyは、Pythonで開発されたオープンソースソフトウェアです。スクレイピングという、Webサービスから必要な情報を取り出したり自動操作をしたりする技術を使うものです。

Q&A

解決済

1回答

2311閲覧

Scrapyでのcallback処理がされない

ktux_s

総合スコア12

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Scrapy

Scrapyは、Pythonで開発されたオープンソースソフトウェアです。スクレイピングという、Webサービスから必要な情報を取り出したり自動操作をしたりする技術を使うものです。

0グッド

0クリップ

投稿2018/05/14 23:14

scrapyによるスクレイピングを試しています.
初めにxxx/yyy/archiveにアクセスし,archiveの情報を取得,callbackによりarchive以下の情報を取得したいです.

python

1# -*- coding: utf-8 -*- 2import scrapy 3from scrapy.spiders import CrawlSpider, Rule 4from scrapy.linkextractors import LinkExtractor 5from scrapy.selector import Selector 6 7from restpro.items import TestItem 8 9class TestderSpider(scrapy.Spider): 10 name = 'test' 11 allowed_domains = ['xxx/yyy/archive'] 12 start_urls = ['http://xxx/yyy/archive/'] 13 14 rules = [Rule(LinkExtractor(), callback='parse', follow=True)] 15 16 def parse(self, response): 17 18 print("Scraping: " + response.url) 19 20 obj = response.selector.xpath('path_to_tag').extract() 21 item = TestItem() 22 item['test'] = obj 23 yield item 24 25 for href in response.xpath('path_to_href').extract(): 26 url = response.urljoin(href) 27 print("URL is :{0}".format(url)) 28 yield scrapy.Request(url, callback=self.parse) 29 30 31

printによって表示されるURLはhttp://xxx/yyy/archive/zzz.html(複数)と正しいものでした.
yield scrapy.Request(url, callback=self.parse)によって再度parseが呼ばれると思っているのですが,print("Scraping: " + response.url)の出力も最初の呼び出し以外されません.

環境

  • scrapy 1.5.0

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

ベストアンサー

allowed_domains = ['xxx/yyy/archive']

allowed_domains = ['xxx']

の間違いでは。

あと関係ないですがrulesは無用ですね。

投稿2018/05/14 23:51

quickquip

総合スコア11038

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.48%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問