猿问

启动 CrawlerProcess / Scrapy 时修改来自蜘蛛的 CSV 文件输入

    我正在同时启动几个蜘蛛CrawlerProcess,就像那样。


def main():


    # ----- This part launch all given spiders ----- #


    process = CrawlerProcess(get_project_settings())


    process.crawl(FirstSpider)

    process.crawl(SecondSpider)

    process.crawl(ThirdSpider)

    process.crawl(EtcSpider)


    process.start()  # the script will block here until the crawling is finished

所有蜘蛛都基于 CSV 输入文件工作,该文件包含要在网站上查找的信息。这是一个示例:


class FirstSpider(scrapy.Spider):

    name = "first_bot"


    def start_requests(self):

        base_url = "https://example.fr/catalogsearch/result/?q="

        script_dir = osp.dirname(osp.realpath(__file__))

        file_path = osp.join(script_dir, 'files', 'to_collect_firstbot.csv')

        input_file = open(file_path, 'r', encoding="utf-8", errors="ignore")

        reader = csv.reader(input_file)

        for row in reader:

            if row:

                url = row[0]

                absolute_url = base_url + url

                print(absolute_url)

                yield scrapy.Request(

                    absolute_url,

                    meta={

                        "handle_httpstatus_list": [302, 301, 502],

                    },

                    callback=self.parse

                )

它有效,但我可能必须修改输入文件名,该文件名为每个蜘蛛记录。


是否可以在所有蜘蛛脚本上保留一个默认的“自定义”文件,然后保存到 core.py 文件(启动所有蜘蛛),如果需要修改 CSV 输入文件(在这种情况下,所有蜘蛛的文件和名称都相同) )?


慕森王
浏览 237回答 1
1回答
随时随地看视频慕课网APP

相关分类

Python
我要回答