无法在 Twitter 抓取中正确获取 min_position

Question

我正在尝试抓取推特。请输入 search.twitter.com 并将 Comorbidity 放在搜索表单中。我可以正确获取第一页，向下滚动查看更多推文时可以看到，可以从 min_position 参数获取下一页。但是当使用下一页发送请求时，我无法获得正确的内容。

这是我的一些代码。

headers = {'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36'}

def start_requests(self):

    yield Request(url=self.start_urls[0], callback=self.parse_search_page)

def parse_search_page(self, response):

    keyword = 'Comorbidity'

    search_url = self.search_url.format(keyword=keyword)

    yield Request(url=search_url, callback=self.parse_twitter_page, headers=self.headers)

def parse_twitter_page(self, response):

    next_page = None

    if self.current_page == 0:

        posts = response.xpath('//li[@data-item-type="tweet"]').extract()

        min_position = re.search('data-min-position="(.*?)"', response.body)

        if min_position:

            min_position = min_position.group(1)

        next_page = self.next_page_url.format(position=min_position.replace('cm+', 'cm%2B').replace('==', '%3D%3D'))

        self.current_page = 1

    else:

        json_data = json.loads(response.body)

        min_position = json_data.get('min_position')

    if next_page:

        yield scrapy.http.Request(

            url=self.next_page_url,

            callback=self.parse_twitter_page,

            headers=self.headers,

        )

如何获得正确的 min_position？

Answer 1

我认为您在 parse_twitter_page 方法中犯了错误。if next_page:    yield scrapy.http.Request(        url=next_page,        callback=self.parse_twitter_page,        headers=self.headers,    )它不应该是 self.next_page_url。我从 self.next_page_url 更改为 next_page 我希望这会起作用。