Scrapy中报错"URLWarning: allowed_domains accepts only domains, not URLs."
现象源代码如下class HrSpider4Spider(CrawlSpider):"""CrawlSpider类"""name = 'hr_spider4'allowed_domains = ['https://hr.tencent.com']# 留意此处是一个完整的URL地址start_urls = ["https://hr.tencent...
·
现象
源代码如下
class HrSpider4Spider(CrawlSpider):
"""CrawlSpider类"""
name = 'hr_spider4'
allowed_domains = ['https://hr.tencent.com'] # 留意此处是一个完整的URL地址
start_urls = ["https://hr.tencent.com/position.php?&start=0"]
rules = (
Rule(LinkExtractor(allow=r'position.php\?&start=\d+')), # 默认follow参数为True,表示继续提取
Rule(LinkExtractor(allow=r'position_detail\.php\?id=\d+'), callback="parse_item", follow=False)
)
def parse_item(self, response):
item = PositionItem()
item['position_duty'] = response.xpath("//ul[@class='squareli']")[0].xpath(".//li/text()").extract()
item['position_duty'] = response.xpath("//ul[@class='squareli']")[1].xpath(".//li/text()").extract()
yield item
在运行该爬虫的时候会报错:
URLWarning: allowed_domains accepts only domains, not URLs.
原因显而易见: 允许范围接收的是范围, 而非URL地址.
解决方法
将第4行代码修改为
allowed_domains = ['hr.tencent.com']
也就是仅保留后缀.
开放原子开发者工作坊旨在鼓励更多人参与开源活动,与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动,如meetup、训练营等,主打技术交流,干货满满,真诚地邀请各位开发者共同参与!
更多推荐
已为社区贡献2条内容
所有评论(0)