python - scrapy yield 中的 if 语句
问题描述
如何在 yield{} 部分添加 if 语句,请参见代码底部的 Fight_Url 部分
基本上,如果结果部分说接下来我需要它而不是查找 url
import pandas as pd
import scrapy
urls_csv = pd.read_csv('fighters.csv')
urls_list = urls_csv.url.to_list()
class FightersDetailsSpider(scrapy.Spider):
name = "fight_urls"
def start_requests(self):
links = []
for link in urls_list:
links.append(link)
for url in links:
yield scrapy.Request(url=url, callback=self.parse)
def parse(self, response, **kwargs):
for fight_url in response.xpath('//*[@class="b-fight-details__table-body"]//tr')[1:]:
yield {
'Url': response.request.url,
'Result': fight_url.xpath('.//td[1]/p/a/i/i/text()').extract_first().strip(),
'First_Name': fight_url.xpath('.//td[2]/p[1]/a/text()').extract_first().strip().split()[0],
'Last_Name': fight_url.xpath('.//td[2]/p[1]/a/text()').extract_first().strip().split()[1],
'Opponent_First': fight_url.xpath('.//td[2]/p[2]/a/text()').extract_first().strip().split()[0],
'Opponent_Last': fight_url.xpath('.//td[2]/p[2]/a/text()').extract_first().strip().split()[1],
'Opponent_URL': fight_url.xpath('.//td[2]/p[2]/a/@href').extract_first(),
'Fight_Url':
if fight_url.xpath('.//td[1]/p/a/i/i/text()').extract_first().strip() == "next":
None
else:
fight_url.xpath('.//@href').extract_first(),
}
解决方案
只需要if-else
稍微修改语法:
for fight_url in response.xpath('//*[@class="b-fight-details__table-body"]//tr')[1:]:
yield {
'Url': response.request.url,
'Result': fight_url.xpath('.//td[1]/p/a/i/i/text()').extract_first().strip(),
'First_Name': fight_url.xpath('.//td[2]/p[1]/a/text()').extract_first().strip().split()[0],
'Last_Name': fight_url.xpath('.//td[2]/p[1]/a/text()').extract_first().strip().split()[1],
'Opponent_First': fight_url.xpath('.//td[2]/p[2]/a/text()').extract_first().strip().split()[0],
'Opponent_Last': fight_url.xpath('.//td[2]/p[2]/a/text()').extract_first().strip().split()[1],
'Opponent_URL': fight_url.xpath('.//td[2]/p[2]/a/@href').extract_first(),
'Fight_Url':
None if fight_url.xpath('.//td[1]/p/a/i/i/text()').extract_first().strip() == "next"
else fight_url.xpath('.//@href').extract_first(),
}
推荐阅读
- python - 内置用于创建长度为 n 的字符集的排列?
- sql-server - 如果组中没有行数,则显示消息
- c# - 销售订单行的 Acumatica rest API PUT 不断返回 500 错误
- r - 限制和突破
- scikit-learn - 交叉验证在没有改组的情况下对波士顿住房产生了意想不到的结果
- git - 如何防止 Git 在提交和拉取/克隆之间更改文本文件?
- python - Python TKinter 将终端输出重定向到 GUI 窗口
- typescript - 强制对象字面量中的数组只能包含外部对象的键
- javascript - 我怎样才能知道有多少人参加了我的 JavaScript 测验?
- php - 删除文件内的全局调用