import scrapy


class QiubaiSpider(scrapy.Spider):
    name = 'qiubai'
    #allowed_domains = ['www.xxx.com']
    start_urls = ['https://www.qiushibaike.com/text/']

    def parse(self, response):
        # 作者的名称与内容,个人觉得是不是这里有问题?爬虫运行后没有获取到任何数据
        div_list = response.xpath('//div[@id="col1 old-style-col1"]/div')
        all_data = []
        for div in div_list:            author = div.xpath('./div/a[1]/h2/text()')[0].extract()
                   content = div.xpath(
'./div/span//text()').extract()
            content =
''.join(content)
            dic = {
               
'author':author,
                'content':content
            }
            all_data.append(dic)
        
return all_data
举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2021-11-2 15:26

沙发
Fuller 管理员 发表于 2021-11-1 17:43:01 | 只看该作者
用scrapy的简单的request/response估计采集不到你想要的内容,做下面的测试就可以看到,在这个网页上并没有你要的那个div,第二个命令是作为对照,可以看到,这个命令能搜到网页上含有的内容。


本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
举报 使用道具
板凳
fengsj_2015 新手上路 发表于 2021-11-2 15:26:29 | 只看该作者
@Fuller 谢谢你的回复。确实是没有取到我要的div,我后面做了调整就好了。
举报 使用道具
您需要登录后才可以回帖 登录 | 立即注册

精彩推荐

  • 怎样让GooSeeker分词工具使用宋体画词云图
  • 使用BERTopic时遇到的c-TF-IDF是什么?
  • gooseeker分词工具的命名实体识别和词形还
  • 怎样设置LDA模型的超参数alpha(α)和beta(
  • LDA主题分析模型到底是什么?

热门用户

GMT+8, 2026-5-27 20:14