python - python scrapy从多个解析函数构建相同的项目:在循环中调用第二个解析函数
问题描述
我正在尝试从许多解析函数构建一个项目,因为我从多个 url 获取数据,我尝试迭代一个字典(我使用 2 个 for 循环构建),这就是为什么使用 2 个 for 循环来获取生成 URL 所需的变量然后对于每个变量,我调用第二个解析函数传递所需的 URL,这是我想从我的主解析中调用第二个解析函数的地方
for r in [1,2]:
for t in [1,2]:
dataName = 'lane'+str(r)+"Player"+str(t)+"Name"
dataHolder = 'lane'+str(r)+"Player"+str(t)
nameP = item[dataName]
print('before parse ==> lane = ' + str(r) + " team = " + str(t))
urlP = 'https://www.leagueofgraphs.com/summoner/euw/'+nameP+'#championsData-soloqueue'
yield Request( urlP, callback=self.parsePlayer , meta={'item': item , "player" : dataHolder} )
我正在使用这些 prints() 在输出中查看我的代码在我的第二个解析函数中是如何执行的,如下所示
def parsePlayer( self , response ):
item = response.meta['item']
player = response.meta['player']
print('after parse ====> ' + player)
mmr = response.css('.rank .topRankPercentage::text').extract_first().strip().lower()
mmrP = player+"Mmr"
item[mmrP] = mmr
# yield item after the last iteration
(我知道我没有解释代码中的每一个细节,但我认为它不需要看到我的问题,而不是在你看到从这些打印中得到什么之后)
也出于某种原因,每次我运行 spyder 时,我都会得到不同的随机打印顺序,这很令人困惑,我认为这是关于yield
我希望有人能帮助我的问题
解决方案
Scrapy 是异步工作的(正如他们的官方文档中明确解释的那样),这就是为什么你的打印顺序看起来是随机的。除了顺序之外,预期的输出看起来与您得到的结果完全相同。如果您能解释为什么订单是相关的,我们或许能够更好地回答您的问题。
如果你想产生 1 个包含所有 4 个玩家数据的项目,可以使用以下结构:
def start_requests(self):
# prepare the urls & players:
urls_dataHolders = []
for r in [1, 2]:
for t in [1, 2]:
dataName = 'lane' + str(r) + "Player" + str(t) + "Name"
dataHolder = 'lane' + str(r) + "Player" + str(t)
urlP = 'https://www.leagueofgraphs.com/summoner/euw/' + dataName\
+ '#championsData-soloqueue'
urls_dataHolders.append((urlP, dataHolder))
# get the first url & dataholder
url, dataHolder = urls_dataHolders.pop()
yield Request(url,
callback=self.parsePlayer,
meta={'urls_dataHolders': urls_dataHolders,
'player': dataHolder})
def parsePlayer(self, response):
item = response.meta.get('item', {})
urls_dataHolders = response.meta['urls_dataHolders']
player = response.meta['player']
mmr = response.css(
'.rank .topRankPercentage::text').extract_first().strip().lower()
mmrP = player + "Mmr"
item[mmrP] = mmr
try:
url, dataHolder = urls_dataHolders.pop()
except IndexError:
# list of urls is empty, so we yield the item
yield item
else:
# still urls to go through
yield Request(url,
callback=self.parsePlayer,
meta={'urls_dataHolders': urls_dataHolders,
'item': item,
'player': dataHolder})
推荐阅读
- amazon-web-services - 模拟 AWS Go SSM GetParameter 调用
- date - Elasticsearch (7.3) 日期映射解析失败
- python - GitHub 的 API 是否支持一次检索多个用户的元数据?
- ruby-on-rails - 无法在 VS Code 中调试 rake 任务
- python - 使用 vs 代码在 wsl 2 ubuntu 上调试 python autosklearn
- java - 返回列表
来自使用 Spring Boot 的 Elastic Search 查询结果 - python - 从 js QWebEngineView 获取变量到 python
- vb.net - VB.Net EWS 如何开始从指定的子文件夹中搜索邮件项目并查看所有子文件夹
- c++ - 如何在 Mac 终端上编译多个带有警告的 c++ 文件?
- ios - 在模拟器与实际设备上运行的 IOS Vision 框架