我正在尝试抓取一个电子商务网站。我的目标是获取卖家信息。
我使代码比实际代码简单
当我的蜘蛛访问没有卖方数据的页面时,我的项目字段'company'
和'owner'
填充为None。
是的,可以在我的字段中填充“无”。但是我的问题是我的田地不见了!
# My spider
class GmarketSpider(CrawlSpider):
name = 'gmarket'
allowed_domains = ['gmarket.co.kr']
start_urls = ['http://www.gmarket.co.kr/']
rules = (
Rule(callback='parse_item',follow=True),)
def parse_item(self,response):
loader = GmarketLoader(item=GmarketItem(),response=response)
loader.add_xpath('company','//something')
loader.add_xpath('owner','//something')
return loader.load_item()
# My item
class GmarketItem(scrapy.Item):
company = scrapy.Field()
owner = scrapy.Field()
# My loader
class GmarketLoader(ItemLoader):
default_input_processor = Identity()
default_output_processor = TakeFirst()
# My pipeline
class InvalidPagePipeline(object):
def process_item(self,item,spider):
if item['owner'] is None: # This line gives me an error
raise DropItem()
else:
return item
请参阅我的管道代码。我检查了item ['owner']的值,该页面是否有效。如果页面无效,那么我希望item ['owner']填充为None。但这给了我一个错误,因为“所有者”键完全消失了。
这是错误消息
2019-11-05 20:22:57 [scrapy.core.scraper] ERROR: Error processing {'market': ['Gmarket'],'url': ['https://sslmember2.gmarket.co.kr/FindPW/FindPW?targetUrl=http%3a%2f%2fmyg.gmarket.co.kr%2f']}
Traceback (most recent call last):
File "d:\python projects\sellerinfoscraper\venv\lib\site-packages\twisted\internet\defer.py",line 654,in _runCallbacks
current.result = callback(current.result,*args,**kw)
File "D:\Python Projects\SellerInfoScraper\sellerInfo\sellerInfo\pipelines.py",line 14,in process_item
if item['owner'] is None:
File "d:\python projects\sellerinfoscraper\venv\lib\site-packages\scrapy\item.py",line 91,in __getitem__
return self._values[key]
KeyError: 'owner'
它说KeyError: 'owner'
如何使用ItemLoader填充None值的项目字段? 我知道我可以不使用ItemLoader来解决此问题,但是我不想使用此功能。