鱼C论坛

 找回密码
 立即注册
查看: 2906|回复: 1

CrawlSpider爬图片的时候遇到了不完整url

[复制链接]
发表于 2020-8-27 09:26:26 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
这是部分代码
  1. class BizhiSpider(CrawlSpider):
  2.     name = 'bizhi'
  3.     # allowed_domains = ['www.xxxx.com']
  4.     start_urls = ['http://www.netbian.com/weimei/']
  5.     start_link = LinkExtractor(allow='index_\d+?.htm')
  6.     detail_link = LinkExtractor(allow='desk.+?\.htm')
  7.     link = []
  8.     detail=[]
  9.     for each in start_link:
  10.         each = 'http://www.netbian.com/' + each
  11.         link.append(each)
  12.     for url in detail_link:
  13.         url = 'http://www.netbian.com/' + url
  14.         detail.append(url)
  15.      #对页码url进行解析
  16.     rules = (
  17.         Rule(link, callback='parse_item', follow=False),
  18.         Rule(detail,callback=detail_parse,follow=True)
  19.     )
  20.     #页码解析函数
  21.     def parse_item(self, response):
  22.         pass
  23.         # li_list = response.xpath('//*[@id="main"]/div[2]/ul/li')
  24.         # item = QuanzhanproItem()
  25.         # for li in li_list:
  26.         #     img_name = li.xpath('./a/@title').extract_first()
  27.         #     item['img_name'] = img_name

  28.     def detail_parse(self,response):
  29.         src = response.xpath('//*[@id="main"]/div[2]/div/p/a/img/@src').extract_first()
  30.         item = QuanzhanproItem()
  31.         item['src'] = src
  32.         yield item

复制代码


在用链接提取器后提取到了不完整的url,我以为可以迭代然后拼接,可是报错了,问一下有没有比较ok的解决办法??
小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2020-8-27 09:59:08 | 显示全部楼层
解决了 ,自己想多了,这个LinkExtractor会自动解析当前主域名然后拼接,希望能帮到你们
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-4-24 19:18

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表