提取亚马逊所有的商品类目与对应的url,保持层级关系

本文档介绍如何使用Scrapy爬虫框架,遍历并提取亚马逊网站的商品分类及其对应的URL,同时保持类目间的层级结构。通过spider文件、settings配置和pipelines处理,实现数据的有效抓取和存储。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

spider文件如下:

# -*- coding: utf-8 -*-
import scrapy
import re

class GoodsclassnameUrlSpider(scrapy.Spider):
    name = 'GoodsClassName_Url'
    allowed_domains = ['amazon.com']
    start_urls = ['https://www.amazon.com/gp/new-releases/ref=zg_bsnr_unv_0_amazon-devices_1']
    def start_requests(self):
        for url in self.start_urls:
            yield scrapy.Request(url, dont_filter=True,meta={'father':'start','end_or_not':self.start_urls})


    def parse(self, response):
        str_father_name_url=response.meta['father']
        if re.findall("<li><a href='https://www.amazon.com/gp/new-releases", response.text, re.S):
            child_name_list = re.findall("<li><a href='https://www.amazon.com/gp/new-releases.*?'>(.*?)</a></li>",
                                         response.text, re.S)
            part_child_url_list = re.findall("<li><a href='https://www.amazon.com/gp/new-releases(.*?)'>",
          
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值