當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

解决scrapy下载小说乱序

發布時間：2023/12/16 编程问答 21 豆豆

生活随笔收集整理的這篇文章主要介紹了解决scrapy下载小说乱序小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

由于scrapy使用異步下載，所以會出現下載小說章節的結果是亂序的。

可以通過下面的方法將章節順序傳遞給item，并保存起來：

在解析主頁得到所有章節信息（章節名、網址、還有順序）后，通過Request()的cb_kwargs傳遞一個關鍵字參數‘order’給回調函數parse_item()，代表該章節的順序。

items.py:

# -*- coding: utf-8 -*- import scrapyclass XiaoshuoItem(scrapy.Item):order = scrapy.Field() # 序號，章節排序的依據name = scrapy.Field() # 章節名content = scrapy.Field() # 章節內容

xiaoshuo_spyder.py:

# -*- coding: utf-8 -*- import scrapy from scrapy import Request from Xiaoshuo.items import XiaoshuoItemclass XiaoshuoSpider(scrapy.Spider):name = 'Xiaoshuo_spider'start_urls = ['https://www.biquge.biz/0_844/']def parse(self, response):"""解析主頁里所有章節地址并下載，通過cb_kwargs={'order': i + 1}來傳遞章節順序"""sels = response.xpath('//div[@id="list"]//dd/a')for i, a in enumerate(sels):# yield response.follow(a, callback=self.parse_item, cb_kwargs={'order': i + 1})yield Request(response.urljoin(a.xpath('@href').get()), callback=self.pasrse_item, cb_kwargs={'order': i + 1})def parse_item(self, response, order):"""主頁解析后章節順序通過order傳遞進來"""item = XiaoshuoItem()item['order'] = orderitem['name'] = response.xpath('//h1/text()').get()item['content'] = response.xpath('//div[@id="content"]').get()return item

pipelines.py

# -*- coding: utf-8 -*- class XiaoshuoPipeline(object):def open_spider(self, spider):"""定義items，用來保存每個item"""self.items = []def process_item(self, item, spider):"""將下載解析到的各個item添加到items，此時是亂序的"""self.items.append(item)return itemdef close_spider(self, spider):"""在爬蟲結束的時候，將items按照'order'字段排列，并最終合并成一個html文件"""with open('御魂者傳奇.html', 'w', encoding='utf-8') as f:header = '<!DOCTYPE html><html lang="zh"><head><meta charset="UTF-8"></head><body>'footer = '</body></html>'f.write(header)# 所有章節按order字段排序self.items.sort(key=lambda i: i['order'])for item in self.items:cont = '<h3>{}</h3>{}<br><hr><br>'.format(item['name'], item['content'])f.write(cont)f.write(footer)

settings.py:（打開管道）

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

如果本文對您有幫助，請給我留個言。

總結

以上是生活随笔為你收集整理的解决scrapy下载小说乱序的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

编程问答

解决scrapy下载小说乱序

如果本文對您有幫助，請給我留個言。

總結

如果本文對您有幫助，請給我留個言。