首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >爬虫将数据更新为数组,在循环中生成

爬虫将数据更新为数组,在循环中生成
EN

Stack Overflow用户
提问于 2019-04-19 08:15:39
回答 2查看 182关注 0票数 1

我希望使用循环连续爬行和更新数组值,因为我需要单击某个按钮才能获得数组上的下一个值。然而,在循环内部,它似乎像并行线程一样工作,并且这个项目产生了很多次。我想要的是只进行一次循环,更新数据和生成项目。示例:当前输出:

代码语言:javascript
复制
{'field1': 'data1',
 'filed2' : 'data2',
 'field3' : ['data31']}

{'field1': 'data1',
 'filed2' : 'data2',
 'field3' : ['data32']}

{'field1': 'data1',
 'filed2' : 'data2',
 'field3' : ['data33']}

预期:

代码语言:javascript
复制
{'field1': 'data1',
 'filed2' : 'data2',
 'field3' : ['data31', 'data32', 'data3']}

这是我的密码

代码语言:javascript
复制
def parse_individual_listings(self, response):
     ...
     data = {}
     data[field1] = 'data1'
     data[field1] = 'data2'
     ...
     for i in range(3):
         yield scrapy.Request(
                urlparse.urljoin(response.url, link['href']), #different link
                callback=self.parse_individual_tabs,
                meta={'data': data, 'n':i};
         )
def parse_individual_tabs(self, response):
     data = response.meta['data']
     i = response.meta['i']
     ...
     # keep populating `data`
     data[field3][i] = "data3[i]"  #this value change when I click a button to update
     yield data
EN

回答 2

Stack Overflow用户

回答已采纳

发布于 2019-04-19 08:28:58

尝试使用inline_requests库(https://pypi.org/project/scrapy-inline-requests/)。让我们在同一个函数中提出请求。将数据收集到一个对象而不是产生不同的数据是有用的。用一些伪代码检查这个示例:

代码语言:javascript
复制
from inline_requests import inline_requests
from scrapy import Selector

@inline_requests
def parse_individual_listings(self, response):
    ...
    data = {}
    data[field1] = 'data1'
    data[field1] = 'data2'
     ...
    for i in range(3):
        extra_req = yield scrapy.Request(
            response.urljoin(link['href']), #different link
        )
        # apply your logics here, say extract some data
        sel = Selector(text=extra_req.text)
        data['field3'].append(sel.css('some css selector').get())
    yield data
票数 1
EN

Stack Overflow用户

发布于 2019-04-19 09:48:25

遵循多线程和不同步的思想,我最终在parse_individual_tabs中使用互斥锁,它看起来工作得很好。

代码语言:javascript
复制
from threading import Lock
...
mutex = Lock()
count = 0
...
def parse_individual_tabs(self, response):
 self.mutex.acquire(1)
 try:
    count += 1
    data = response.meta['data']
    i = response.meta['i']
    ...
    # keep populating `data`
    data[field3][i] = "data3[i]"  #this value change when I click a button to update
 finally:
        self.mutex.release()
 if (count == 3):   #check if this is callback of last yield Request
     yield data
 else:
     return
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/55758718

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档