刮擦请求返回notImplementedError

Question

我的代码不起作用，我也不知道！我想刮宜家的网站，我首先设计了一个CrawlSpider，这是不够具体的检索每个链接的网页。因此，我设计了一个基本的蜘蛛产量要求方法。

这是我的代码：

class IkeaSpider(scrapy.Spider) :        
    name = "Ikea"
    allower_domains = ["http://www.ikea.com/"]
    start_urls = ["http://www.ikea.com/fr/fr/catalog/productsaz/8/"]



    def parse_url(self, response):

        for sel in response.xpath('//div[@id="productsAzLeft"]'):

            base_url = 'http://www.ikea.com/'
            follow_url = sel.xpath('//span[@class="productsAzLink"]/@href').extract()
            complete_url = urlparse.urljoin(base_url, follow_url)
            request = Request(complete_url, callback = self.parse_page)

            yield request


    def parse_page(self, response):

下面是错误日志：

2016-01-04 22:06:31 [scrapy] ERROR: Spider error processing <GET http://www.ikea.com/fr/fr/catalog/productsaz/8/> (referer: None)
Traceback (most recent call last):
  File "/usr/local/lib/python2.7/dist-packages/twisted/internet/defer.py", line 588, in _runCallbacks
    current.result = callback(current.result, *args, **kw)
  File "/usr/local/lib/python2.7/dist-packages/scrapy/spiders/__init__.py", line 76, in parse
    raise NotImplementedError
NotImplementedError

Answer 1

您的蜘蛛需要一个parse方法，它是所有初始请求的默认回调。您只需将parse_url方法重命名为parse，它就能正常工作。

class IkeaSpider(scrapy.Spider) :

    name = "Ikea"
    allower_domains = ["http://www.ikea.com/"]
    start_urls = ["http://www.ikea.com/fr/fr/catalog/productsaz/8/"]


    def parse(self, response):

        for sel in response.xpath('//div[@id="productsAzLeft"]'):

            base_url = 'http://www.ikea.com/'
            follow_url = sel.xpath('//span[@class="productsAzLink"]/@href').extract()
            complete_url = urlparse.urljoin(base_url, follow_url)
            request = Request(complete_url, callback = self.parse_page)

            yield request

备选方案

您还可以定义start_requests方法，并使用定义的callback参数手动生成callback，就像在这里所做的那样。

Answer 2

如果只想使用蜘蛛的parse方法，则必须实现这里方法，因为您可以检查这里。

parse方法是从start_urls内部urls发出的请求的默认回调。

如果希望从一开始就控制请求，还可以使用start_requests方法。