コマンドプロンプトでjqコマンドを使うときに出るエラー

前提・実現したいこと

python クローリング＆スクレイピングという書籍で勉強をしています。クローリングの結果をjl形式で保存をするときにエラーが発生してしまいます。
JSONデータをコマンドプロンプトで扱いたいのですがエラーが出てしまいできません。コマンドをScrapy crawl broad.py -o page.jl | jqと打ちました。
どうしたらいいのでしょうかご教授お願いします。

発生している問題・エラーメッセージ

parse error: Invalid numeric literal at line 3, column 0

ソースコード

Python
1
2import scrapy
3from myproject.items import Page
4from myproject.utils import get_content
5from bs4 import BeautifulSoup
6
7class BroadSpider(scrapy.Spider):
8	name = 'broad'
9	allowed_domains = ['b.hatena.ne.jp/entrylist']
10	start_urls = ['http://b.hatena.ne.jp/entrylist/']
11    
12	def parse(self, response):
13		print('\n\nresponse:{}\n\n'.format(response))
14		for url in response.css('.entrylist-contents-title a::attr("herf")').extract():
15			yield scrapy.Request(url,callback=self.parse_page)
16			print("\n\nurl:{}\n\n".format(url))
17			
18		
19		url_more=response.css('a::attr("href")').re_first(r'.*?of=\d{2}$')
20		print("\n\nurl_more:{}\n\n".format(url_more))
21		if url_more:
22			yield scrapy.Request(responce.urljoin(url_more))
23		
24	def parse_page(self, response):
25		print('\n\npase_page\n\n')
26		title, content = get_content(reaponse.text)
27		yield Page(url=responce.url, title=title , content=content)

###scrapy crawl broad -o page.jlを実行した結果

Page

2019-07-08 00:57:35 [scrapy.utils.log] INFO: Scrapy 1.6.0 started (bot: myproject)
2019-07-08 00:57:35 [scrapy.utils.log] INFO: Versions: lxml 4.3.3.0, libxml2 2.9.5, cssselect 1.0.3, parsel 1.5.1, w3lib 1.20.0, Twisted 19.2.0, Python 3.7.3 (v3.7.3:ef4ec6ed12, Mar 25 2019, 21:26:53) [MSC v.1916 32 bit (Intel)], pyOpenSSL 19.0.0 (OpenSSL 1.1.1b 26 Feb 2019), cryptography 2.6.1, Platform Windows-10-10.0.17134-SP0
2019-07-08 00:57:35 [scrapy.crawler] INFO: Overridden settings: {'BOT_NAME': 'myproject', 'DOWNLOAD_DELAY': 3, 'FEED_FORMAT': 'jl', 'FEED_URI': 'page.jl', 'NEWSPIDER_MODULE': 'myproject.spiders', 'ROBOTSTXT_OBEY': True, 'SPIDER_MODULES': ['myproject.spiders']}
2019-07-08 00:57:35 [scrapy.extensions.telnet] INFO: Telnet Password: 2305ec51de6031e2
2019-07-08 00:57:35 [scrapy.middleware] INFO: Enabled extensions:
['scrapy.extensions.corestats.CoreStats',
'scrapy.extensions.telnet.TelnetConsole',
'scrapy.extensions.feedexport.FeedExporter',
'scrapy.extensions.logstats.LogStats']
2019-07-08 00:57:36 [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.httpproxy.HttpProxyMiddleware',
'scrapy.downloadermiddlewares.stats.DownloaderStats']
2019-07-08 00:57:36 [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']
2019-07-08 00:57:36 [scrapy.middleware] INFO: Enabled item pipelines:
[]
2019-07-08 00:57:36 [scrapy.core.engine] INFO: Spider opened
2019-07-08 00:57:36 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2019-07-08 00:57:36 [scrapy.extensions.telnet] INFO: Telnet console listening on 127.0.0.1:6023
2019-07-08 00:57:36 [scrapy.core.engine] DEBUG: Crawled (200) <GET http://b.hatena.ne.jp/robots.txt> (referer: None)
2019-07-08 00:57:40 [scrapy.downloadermiddlewares.redirect] DEBUG: Redirecting (301) to <GET https://b.hatena.ne.jp/entrylist/> from <GET http://b.hatena.ne.jp/entrylist/>
2019-07-08 00:57:43 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://b.hatena.ne.jp/entrylist/> (referer: None)

response:<200 https://b.hatena.ne.jp/entrylist/>

url_more:None

2019-07-08 00:57:43 [scrapy.core.engine] INFO: Closing spider (finished)
2019-07-08 00:57:43 [scrapy.statscollectors] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 715,
'downloader/request_count': 3,
'downloader/request_method_count/GET': 3,
'downloader/response_bytes': 43640,
'downloader/response_count': 3,
'downloader/response_status_count/200': 2,
'downloader/response_status_count/301': 1,
'finish_reason': 'finished',
'finish_time': datetime.datetime(2019, 7, 7, 15, 57, 43, 302541),
'log_count/DEBUG': 3,
'log_count/INFO': 9,
'response_received_count': 2,
'robotstxt/request_count': 1,
'robotstxt/response_count': 1,
'robotstxt/response_status_count/200': 1,
'scheduler/dequeued': 2,
'scheduler/dequeued/memory': 2,
'scheduler/enqueued': 2,
'scheduler/enqueued/memory': 2,
'start_time': datetime.datetime(2019, 7, 7, 15, 57, 36, 203946)}
2019-07-08 00:57:43 [scrapy.core.engine] INFO: Spi
der closed (finished)

pageは生成されていませんでした。

mather

2019/07/07 15:55

Scrapy crawl broad.py -o page.jl こちらを実行した結果を質問に追記してください。

y_waiwai

2019/07/07 23:06

このままではコードが見づらいので、質門を編集し、<code>ボタンで、出てくる’’’の枠の中にコードを貼り付けてください

mather

2019/07/08 11:13

scrapy crawl コマンドの結果についても同様に <code> を使って ``` で囲んでください。

行動規範の内容に同意します

回答2件

自己解決

ソースコードのエラーがあったようで修正したらjqエラーが消えました。コードは以下になります```python
import scrapy

from myproject.items import Page
from myproject.utils import get_content

class BroadSpider(scrapy.Spider):
name = 'broad'
start_urls = ['http://b.hatena.ne.jp/entrylist/all']

def parse(self, response):

    for url in response.css('.entrylist-contents-title > a::attr("href")').getall():
        yield scrapy.Request(url, callback=self.parse_page)

    url_more = response.css('.entrylist-readmore > a::attr("href")').re_first(r'.*?page=\d{1}$')
    if url_more:
        yield response.follow(url_more)

def parse_page(self, response):

    title, content = get_content(response.text)
    yield Page(url=response.url, title=title, content=content)

投稿2019/07/08 12:09

abokadoishii

総合スコア12

jq コマンドの入力として与えられるべき文字列は JSON フォーマットです。（実は JSON Lines とかもいけたりするけど）
そのため、JSONでない文字列を与えると当然エラーになりますよ。

投稿2019/07/07 16:11

mather

総合スコア6753

RinaOgawa

2019/07/07 16:27 編集

アカウントを間違えてログインしてしまいました。質問者です。 jsonをあまり理解してないので頓珍漢な質問をしていたらすみません。 scrapy crawl broad -o page.jlを実行した場合、jlファイル自体作られないのですが、jsonでない文字列を与えた場合ファイル自体も作られないのですか?

mather

2019/07/07 18:44

一人で複数アカウントを使うのは利用規約で禁止されています。やめましょう。 https://teratail.com/legal 質問についてですが、 https://docs.scrapy.org/en/latest/topics/commands.html#crawl ドキュメントを見る限り、そもそも -o というオプションが見当たりません。どこのドキュメントを参照したんでしょうか。参考にしたサイトが有れば記載してください。あれこれ混同されているようですが、JSONを要求しているのは jq コマンドであって、 scrapy コマンドではありません。また、そもそもパイプラインの使い方そのものがLinuxで実行しているものを参考にしているように見受けられますが、「コマンドプロンプト」という言葉はWindowsの標準的なコンソールの名称です。質問者の実行しているOSや具体的な環境について、今一度確認してみてください。