scrapy中关于meta深浅复制传参的问题

最新推荐文章于 2024-08-09 12:52:26 发布

原创最新推荐文章于 2024-08-09 12:52:26 发布 · 1.1k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#scrapy #meta传参

本文深入探讨了Scrapy爬虫框架中使用meta参数进行深拷贝时遇到的键值对顺序错误及重复问题。通过具体代码示例，分析了可能的原因，并提出了解决方案。

scrapy中关于meta深浅复制传参的问题

为什么scrapy用meta深度复制传参后的键值对顺序是错误的，而且还有许多重复的，大佬们可以救救我嘛

-- coding: utf-8 --

import scrapy
import os
import copy
from chanel_spider.items import ChanelSpiderItem

class ChanelSpider(scrapy.Spider):
name = ‘chanel’
allowed_domains = [‘chanel.cn’]
start_urls = [‘https://www.chanel.cn/zh_CN/’]
# start_urls = [‘https://www.chanel.cn/zh_CN/fragrance-beauty/makeup/p/lips/liquid-lipsticks/’
# ‘rouge-allure-ink-fusion-second-skin-intense-matte-liquid-lip-colour-p165802.html#skuid-0165818’]

# 得到产品类型名、URL
def parse(self, response):
    type_url = response.xpath("//ul[@class='cc-nav-list valign-middle-box']/li[8]/h2/a/@href").extract()[0]
    yield response.follow(url=type_url, callback=self.parse_type)

# 得到产品分类以及产品系列的URL
def parse_type(self, response):
    for sel in response.xpath("//div[@class='bloccategory section']/div"):
        item = ChanelSpiderItem()
        item['category'] = sel.xpath("div[1]/a/text()").extract()  # 产品分类名
        series_names = sel.xpath("div[2]/ul/li/a/text()").extract()
        for i in range(0, len(series_names)):
            item['series_name'] = series_names[i]  # 产品系列名
            series_url = sel.xpath("div[2]/ul/li/a/@href").extract()[i]  # 产品系列的url
            print(item)
            print(series_url)
            yield response.follow(url=series_url, meta={"item": copy.deepcopy(item)}, callback=self.parse_series)

def parse_series(self, response):
    item = response.meta['item']
    print(response.url)
    for sel in response.xpath("//div[@class='quickbuyButton button']/div/div"):
        item['springboard'] = sel.xpath("button/@data-href").extract()[0]
        yield item