鱼C论坛

 找回密码
 立即注册
查看: 2187|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
class BizhiSpider(CrawlSpider):
    name = 'bizhi'
    # allowed_domains = ['www.xxxx.com']
    start_urls = ['http://www.netbian.com/weimei/']
    start_link = LinkExtractor(allow='index_\d+?.htm')
    detail_link = LinkExtractor(allow='desk.+?\.htm')
    link = []
    detail=[]
    for each in start_link:
        each = 'http://www.netbian.com/' + each
        link.append(each)
    for url in detail_link:
        url = 'http://www.netbian.com/' + url
        detail.append(url)
     #对页码url进行解析
    rules = (
        Rule(link, callback='parse_item', follow=False),
        Rule(detail,callback=detail_parse,follow=True)
    )
    #页码解析函数
    def parse_item(self, response):
        pass
        # li_list = response.xpath('//*[@id="main"]/div[2]/ul/li')
        # item = QuanzhanproItem()
        # for li in li_list:
        #     img_name = li.xpath('./a/@title').extract_first()
        #     item['img_name'] = img_name

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

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??
想知道小甲鱼最近在做啥?请访问 -> 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
想知道小甲鱼最近在做啥?请访问 -> 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, 2024-11-8 06:50

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表