使用 scrapy 时，抓取了 0 个页面（以 0 页/分钟的速度），抓取了 0 个项目（以 0 个项目/分钟的速度）

大佬教程收集整理的这篇文章主要介绍了使用 scrapy 时，抓取了 0 个页面（以 0 页/分钟的速度），抓取了 0 个项目（以 0 个项目/分钟的速度），大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。

如何解决使用 scrapy 时，抓取了 0 个页面（以 0 页/分钟的速度），抓取了 0 个项目（以 0 个项目/分钟的速度）？

正如标题中提到的，我使用scrapy从特定页面（一个网站/一个域）中提取数据。现在我想描述一下，我的代码将要做什么。

1. 抓取工具从波兰最著名的汽车广告门户网站之一 - OTOMOTO (https://otomoto.pl) 收集数据。它从特定的优惠页面中提取数据。

   @H_489_8@

2. 首先，用户输入汽车品牌，然后输入汽车型号。程序检查是否有这样的品牌/品牌（品牌列表/数组是之前收集的 - 使用 BeautifulSoup；然后提取汽车模型列表 - 也使用 BeautifulSoup）。它工作得很好。

   在此代码的最终版本中，我还将收集一些额外的参数/过滤器，例如价格范围或生产年份范围。但让我们暂时离开它。这只是关于链接创建。

   @H_489_8@

3. 如果满足这些条件，则会在上述条件下（使用品牌和型号）创建包含优惠列表的 URL，如下所示：https://otomoto.PL/osobowe/BRAND/MODEL（例如：{{3} })。这是收集此链接内特定优惠的 URL 的起点。我只收集第一页的结果，不想过多地利用服务器。这就是为什么在这种情况下不需要实施用于抓取的规则。

   @H_489_8@

4. 然后，BeautifulSoup 找到满足offer page 模式的URL：https://otomoto.PL/osobowe/opel/corsa（例如：https://otomoto.PL/oferta/BRAND-MODEL-blah-blah-blah） - 然后添加到数组中。此数组变量设置为全局变量。

   @H_489_8@

5. 此时，我遇到了一个问题。因为我想从这个特定页面获取数据（如里程、颜色、发动机功率等）——所有这些都是发布广告所必需的，所以不需要检查该变量是否出现在页面上。然后这些数据应该分配给一个特定的对象（一个“汽车”）——这就是为什么我想到了 Scrapy 的 Item 扩展。 （我想在最后保存为 Json 文件或 csv - 但让我们暂时保留它）。

   @H_489_8@

简而言之：这个蜘蛛只是从定义的网站（根据用户的限制）收集数据，这些数据存储在动态创建的数组中。

我所做的：

• 我创建了使用以下代码描述的 Item 类：@H_489_8@

class otoMotoCarObjects(scrapy.Item):
    url = scrapy.FIEld()
    offerID = scrapy.FIEld()
    addDate = scrapy.FIEld()
    offerType = scrapy.FIEld()
    brand = scrapy.FIEld()
    model = scrapy.FIEld()
    price = scrapy.FIEld()
    productionYear = scrapy.FIEld()
    mileage = scrapy.FIEld()
    fuelType = scrapy.FIEld()
    power = scrapy.FIEld()
    cubicCapacity = scrapy.FIEld()
    gearBox = scrapy.FIEld()
    driveType = scrapy.FIEld()
    color = scrapy.FIEld()
    countryimport = scrapy.FIEld()
    LOCATIOn = scrapy.FIEld()
    state = scrapy.FIEld()    

• 我导入了必要的库：@H_489_8@

• 并且我创建了负责抓取（抓取）的类：@H_489_8@

import scrapy
from scrapy.crawler import CrawlerProcess
from scrapy.spIDers import CrawlSpIDer,Rule
from scrapy.http import request
from scrapy.linkextractors import linkExtractor

值得一提的是，评论部分的代码（返回scrapy.request ...）也不起作用，但我留下它供您参考。 （也许它是好的，但诱导不当？） - 我将它与 yIEld

使用以下代码在 @H_597_17@main 函数中启动此抓取工具：
import scrapy from scrapy.crawler import CrawlerProcess from scrapy.spIDers import CrawlSpIDer,Rule from scrapy.http import request from scrapy.linkextractors import linkExtractor
（其中，

class otoMotoCarScraper(CrawlSpIDer):
name = 'car'
allowed_domains = ['otomoto.pl']

def __init__(self,urls=[],*args,**kwargs):
    super(otoMotoCarScraper,self).__init__(*args,**kwargs)
    self.start_urls = urls


def start_requests(self):
    for url in self.start_urls:
        yIEld request(url,callBACk=self.parse_items)
    """
    return [scrapy.request(url=url,callBACk=self.parsE)
            for url in self.start_urls]
    """

def parse_items(self,responsE):
    car = otoMotoCarObjects()
    car['url'] = response.url
    print(car['url'])
    car['offerID'] = response.xpath('//div[@ID="ad-ID"]//text()').extract_first()
    print(car['offerID'])
    car['addDate'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[2]/div[1]/div[2]/div[4]/span[3]/text()').extract()
    car['offerType'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[1]/div[2]/div[1]/div[1]/div[3]/div[1]/ul[1]/lI[1]/div/a/text()').extract()
    car['brand'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[1]/div[2]/div[1]/div[1]/div[3]/div[1]/ul[1]/lI[3]/div/a/text()').extract()
    car['model'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[1]/div[2]/div[1]/div[1]/div[3]/div[1]/ul[1]/lI[4]/div/a/text()').extract()
    car['price'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[2]/div[1]/div[1]/div[2]/div/span[1]/text()').extract()
    car['productionYear'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[1]/div[2]/div[1]/div[1]/div[3]/div[1]/ul[1]/li[5]/div/text()').extract()
    car['mileage'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[1]/div[2]/div[1]/div[1]/div[3]/div[1]/ul[1]/lI[6]/div/text()').extract()
    car['fuelType'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[1]/div[2]/div[1]/div[1]/div[3]/div[1]/ul[1]/lI[8]/div/a/text()').extract()
    car['power'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[1]/div[2]/div[1]/div[1]/div[3]/div[1]/ul[1]/lI[9]/div/text()').extract()
    car['cubicCapacity'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[1]/div[2]/div[1]/div[1]/div[3]/div[1]/ul[1]/lI[7]/div/text()').extract()
    car['gearBox'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[1]/div[2]/div[1]/div[1]/div[3]/div[1]/ul[1]/lI[10]/div/a/text()').extract()
    car['driveType'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[1]/div[2]/div[1]/div[1]/div[3]/div[1]/ul[1]/lI[11]/div/a/text()').extract()
    car['color'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[1]/div[2]/div[1]/div[1]/div[3]/div[1]/ul[2]/lI[3]/div/a/text()').extract()
    car['countryimport'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[1]/div[2]/div[1]/div[1]/div[3]/div[1]/ul[2]/lI[8]/div/a/text()').extract()
    car['LOCATIOn'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[2]/div[1]/div[2]/div[4]/span[3]/text()').extract()
    car['state'] = response.xpath(
        '/HTML/body/div[3]/main/div[2]/div[1]/div[2]/div[1]/div[1]/div[3]/div[1]/ul[2]/lI[10]/div/a/text()').extract()
    yIEld car

process = CrawlerProcess()

Scrapy 日志如下：

scr

如您所见，不幸的是，我抓取/抓取了 0 个页面，如下行所示：
fun

我尝试打印 offerUrls - 在 2021-02-13 14:39:29 [scrapy.crawler] INFO: OverrIDden setTings: {} 2021-02-13 14:39:29 [scrapy.extensions.telnet] INFO: Telnet password: 85e67e930e79de1f 2021-02-13 14:39:29 [scrapy.mIDdleware] INFO: Enabled extensions: ['scrapy.extensions.corestats.CoreStats','scrapy.extensions.telnet.TelnetConsole','scrapy.extensions.logstats.LogStats'] 2021-02-13 14:39:29 [scrapy.mIDdleware] INFO: Enabled downloader mIDdlewares: ['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'] 2021-02-13 14:39:29 [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'] 2021-02-13 14:39:29 [scrapy.mIDdleware] INFO: Enabled item pipelines: [] 2021-02-13 14:39:29 [scrapy.core.ENGIne] INFO: SpIDer opened 2021-02-13 14:39:29 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min),scraped 0 items (at 0 items/min) 2021-02-13 14:39:29 [scrapy.extensions.telnet] INFO: Telnet console Listening on 127.0.0.1:6023 函数内，它正确显示为表格 - 我认为这是将参数传递给刮刀的东西，但它似乎很不错。

我也尝试更改 2021-02-13 14:39:29 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min),scraped 0 items (at 0 items/min) - 并将其转换为 self.start_urls 但也没有任何反应。

我的想法：

• 也许是因为没有正确实现 XPath？
  • 我尝试了较短和较长版本的 XPath（并打印它们以供试用） - 因为它可以从代码中扣除 - 但仍然没有任何反应@H_489_8@
  @H_489_8@
• 也许问题仍然在于传递参数？@H_489_8@
• 也许 __init__ 没有正确创建？@H_489_8@
• 或者可能是关于return？@H_489_8@

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

大佬总结

以上是大佬教程为你收集整理的使用 scrapy 时，抓取了 0 个页面（以 0 页/分钟的速度），抓取了 0 个项目（以 0 个项目/分钟的速度）全部内容，希望文章能够帮你解决使用 scrapy 时，抓取了 0 个页面（以 0 页/分钟的速度），抓取了 0 个项目（以 0 个项目/分钟的速度）所遇到的程序开发问题。

如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。

本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。