您好,欢迎来到奥特财经网。
搜索
您的当前位置:首页Python使用scrapy抓取网站sitemap信息的方法

Python使用scrapy抓取网站sitemap信息的方法

来源:奥特财经网


本文实例讲述了Python使用scrapy抓取网站sitemap信息的方法。分享给大家供大家参考。具体如下:

import re
from scrapy.spider import BaseSpider
from scrapy import log
from scrapy.utils.response import body_or_str
from scrapy.http import Request
from scrapy.selector import HtmlXPathSelector
class SitemapSpider(BaseSpider):
 name = "SitemapSpider"
 start_urls = ["http://www.domain.com/sitemap.xml"]
 def parse(self, response):
 nodename = 'loc'
 text = body_or_str(response)
 r = re.compile(r"(<%s[s>])(.*?)()"%(nodename,nodename),re.DOTALL)
 for match in r.finditer(text):
 url = match.group(2)
 yield Request(url, callback=self.parse_page)
 def parse_page(self, response):
 hxs = HtmlXPathSelector(response)
 #Mock Item
 blah = Item()
 #Do all your page parsing and selecting the elemtents you want
 blash.divText = hxs.select('//div/text()').extract()[0]
 yield blah

希望本文所述对大家的Python程序设计有所帮助。

Copyright © 2019- atzq.com.cn 版权所有

违法及侵权请联系:TEL:199 18 7713 E-MAIL:2724546146@qq.com

本站由北京市万商天勤律师事务所王兴未律师提供法律服务