不知道为什么出错了

不知道为什么出错了

import scrapy
from ..items import C07Item

class AppSpider(scrapy.Spider):
    name = "app"
    allowed_domains = ["book.douban.com"]
    start_urls = ["https://book.douban.com/latest"]

    def parse(self, response):
        # 先获取每一个书籍的li
        # print(response.text)
        whole = response.xpath('//ul[@class="chart-dashed-list"]/li')
        # 然后通过循环获取每一个书籍的详情页链接
        for i in whole:
            link = i.xpath('.//h2/a/@href').get()
            # 从新发送请求,url是详情页链接,执行自定义函数,效果是获取书名和出版社
            yield scrapy.Request(url=link, callback=self.parse_data)
        # 定义下一页链接数据
        next_url = response.xpath('//*[@id="content"]/div/div[1]/div[4]/span[4]/a/@href').get()

        # 如果下一数据不是空那就执行一下数据,为空就不执行
        if next_url is not None:
            # 定义下一个的链接    urljoin这个函数能把阔后内的数据跟最顶上的目标url拼接在一起,
            next_url = response.urljoin(next_url)
            print(next_url)
            # 发送请求 链接为下一页的链接,函数是解析函数,继续获取下一页的数据
            yield scrapy.Request(url=next_url, callback=self.parse)
            # 出现else是因为目标网址第一页的下一页xpath位置跟第二页不一样
        else:
            next_url = response.xpath('//*[@id="content"]/div/div[1]/div[4]/span[3]/a/@href').get()
            next_url = response.urljoin(next_url)
            print(next_url)
            yield scrapy.Request(url=next_url, callback=self.parse)


    def parse_data(self, response):
        itme = C07Item()
        itme['title'] = response.xpath('//*[@id="wrapper"]/h1/span/text()').get()
        itme['press'] = response.xpath('//*[@id="info"]/a[1]/text()').get()

        yield itme

# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: https://docs.scrapy.org/en/latest/topics/item-pipeline.html


# useful for handling different item types with a single interface
from itemadapter import ItemAdapter

import pymongo


class C07Pipeline:
    def __init__(self):
        self.clint = pymongo.MongoClient("mongodb://localhost:27017")
        self.db = self.clint['douban']
        self.col = self.db['qwe']

    def process_item(self, item, spider):
        res = self.col.insert_one(dict(item))
        # print(res)

        return item

    def __del__(self):
        print("End")
# Scrapy settings for c07 project
#
# For simplicity, this file contains only settings considered important or
# commonly used. You can find more settings consulting the documentation:
#
#     https://docs.scrapy.org/en/latest/topics/settings.html
#     https://docs.scrapy.org/en/latest/topics/downloader-middleware.html
#     https://docs.scrapy.org/en/latest/topics/spider-middleware.html

BOT_NAME = "c07"

SPIDER_MODULES = ["c07.spiders"]
NEWSPIDER_MODULE = "c07.spiders"

LOG_LEVEL = "ERROR"
# Crawl responsibly by identifying yourself (and your website) on the user-agent

USER_AGENT = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/109.0.0.0 Safari/537.36"

# Obey robots.txt rules
ROBOTSTXT_OBEY = False

# Configure maximum concurrent requests performed by Scrapy (default: 16)
#CONCURRENT_REQUESTS = 32

# Configure a delay for requests for the same website (default: 0)
# See https://docs.scrapy.org/en/latest/topics/settings.html#download-delay
# See also autothrottle settings and docs
#DOWNLOAD_DELAY = 3
# The download delay setting will honor only one of:
#CONCURRENT_REQUESTS_PER_DOMAIN = 16
#CONCURRENT_REQUESTS_PER_IP = 16

# Disable cookies (enabled by default)
#COOKIES_ENABLED = False

# Disable Telnet Console (enabled by default)
#TELNETCONSOLE_ENABLED = False

# Override the default request headers:
DEFAULT_REQUEST_HEADERS = {
   "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36 Edg/114.0.1823.51"
}

# Enable or disable spider middlewares
# See https://docs.scrapy.org/en/latest/topics/spider-middleware.html
SPIDER_MIDDLEWARES = {
   "c07.middlewares.C07SpiderMiddleware": 543,
}

# Enable or disable downloader middlewares
# See https://docs.scrapy.org/en/latest/topics/downloader-middleware.html
#DOWNLOADER_MIDDLEWARES = {
#    "c07.middlewares.C07DownloaderMiddleware": 543,
#}

# Enable or disable extensions
# See https://docs.scrapy.org/en/latest/topics/extensions.html
#EXTENSIONS = {
#    "scrapy.extensions.telnet.TelnetConsole": None,
#}

# Configure item pipelines
# See https://docs.scrapy.org/en/latest/topics/item-pipeline.html
ITEM_PIPELINES = {
   "c07.pipelines.C07Pipeline": 300,
}

# Enable and configure the AutoThrottle extension (disabled by default)
# See https://docs.scrapy.org/en/latest/topics/autothrottle.html
#AUTOTHROTTLE_ENABLED = True
# The initial download delay
#AUTOTHROTTLE_START_DELAY = 5
# The maximum download delay to be set in case of high latencies
#AUTOTHROTTLE_MAX_DELAY = 60
# The average number of requests Scrapy should be sending in parallel to
# each remote server
#AUTOTHROTTLE_TARGET_CONCURRENCY = 1.0
# Enable showing throttling stats for every response received:
#AUTOTHROTTLE_DEBUG = False

# Enable and configure HTTP caching (disabled by default)
# See https://docs.scrapy.org/en/latest/topics/downloader-middleware.html#httpcache-middleware-settings
#HTTPCACHE_ENABLED = True
#HTTPCACHE_EXPIRATION_SECS = 0
#HTTPCACHE_DIR = "httpcache"
#HTTPCACHE_IGNORE_HTTP_CODES = []
#HTTPCACHE_STORAGE = "scrapy.extensions.httpcache.FilesystemCacheStorage"

# Set settings whose default value is deprecated to a future-proof value
REQUEST_FINGERPRINTER_IMPLEMENTATION = "2.7"
TWISTED_REACTOR = "twisted.internet.asyncioreactor.AsyncioSelectorReactor"
FEED_EXPORT_ENCODING = "utf-8"
# Define here the models for your scraped items
#
# See documentation in:
# https://docs.scrapy.org/en/latest/topics/items.html

import scrapy

class C07Item(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    title = scrapy.Field()
    press = scrapy.Field()


正在回答 回答被采纳积分+1

登陆购买课程后可参与讨论,去登陆

1回答
好帮手慕小猿 2023-07-14 10:44:28

同学,你好!老师这边运行同学代码并未报错

https://img1.sycdn.imooc.com//climg/64b0b4c40985dd0107290324.jpg

同学可提供下报错截图,方便解决同学问题


祝学习愉快~

  • 提问者 吴老师在线叛逃 #1

    https://img1.sycdn.imooc.com//climg/64b0d88309d21fb311820488.jpg无法获取原代码

    2023-07-14 13:09:41
  • 同学,你好!同学可尝试在app.py中添加如下代码

    import scrapy.utils.misc 
    import scrapy.core.scraper
    
    def warn_on_generator_with_return_value_stub(spider, callable):
        pass
    
    scrapy.utils.misc.warn_on_generator_with_return_value = warn_on_generator_with_return_value_stub
    scrapy.core.scraper.warn_on_generator_with_return_value = warn_on_generator_with_return_value_stub

    再重新运行程序,看能否解决。若无法解决,同学可加下qq:1757578369老师远程看下同学环境

    祝学习愉快~

    2023-07-14 13:51:10
  • 老师周末上班吗

    2023-07-14 13:53:59
问题已解决,确定采纳
还有疑问,暂不采纳

恭喜解决一个难题,获得1积分~

来为老师/同学的回答评分吧

0 星
请稍等 ...
意见反馈 帮助中心 APP下载
官方微信

在线咨询

领取优惠

免费试听

领取大纲

扫描二维码,添加
你的专属老师