python - pyspider 里 pyquery的 map方法 映射的返回值 无效导致单页能调试通，整体采集不到数据?

Question

昨天用 pyspider 采集 汽车之家网 的 汽车详情页数据，因为他一条记录是table 中的某一列，所以需要用到遍历td，索引取当前列。找了半天 没实现jq的 .index() 方法。只找到map 方法。

就用map 写了属性的拼装。

代码如下：

#!/usr/bin/env python
# -*- encoding: utf-8 -*-
# Created on 2015-12-27 14:58:45
# Project: goods2

from pyspider.libs.base_handler import *


class Handler(BaseHandler):
    crawl_config = {
    }

    @every(minutes=24 * 60)
    def on_start(self):
        self.crawl('http://www.autohome.com.cn/car/?pvareaid=101452', callback=self.index_page)

    @config(age=10 * 24 * 60 * 60)
    def index_page(self, response):
        for each in response.doc('.find-letter-list li a').items():
            self.crawl('http://www.autohome.com.cn/grade/carhtml/'+each.text()+'.html', callback=self.detail_page)

    @config(priority=2)
    def detail_page(self, response):
        for each in response.doc('.rank-list-ul li[id] h4 a').items():
            self.crawl(each.attr.href, callback=self.jump_page, fetch_type='js')

    @config(priority=2)
    def jump_page(self, response):
        self.crawl(response.doc('#navTop a:contains("'+u'参数配置'+'")').attr.href, callback=self.deep_page, fetch_type='js')

    def deep_page(self, response):

        return response.doc('.tbset tr:eq(0) td').filter(lambda i: response.doc(this).find('.btn_delbar').length).map(lambda i, e: {
            'goods_name': response.doc(e).find('.carbox p a').text(),
            'brand_name': response.doc('#tr_0 td').eq(i).text(),
            'c_name': response.doc('.subnav-title-name a').text().split('-')[0],
            's_name': response.doc('.subnav-title-name a').text().split('-')[1],
            'goods_sn': '',
            'goods_name_style':'+',
            'click_count': 0,
            'provider_name': '',
            'goods_number': 100,
            'goods_weight': 0,
            'market_price': response.doc('#tr_2000 td').eq(i).text(), #待处理成float 元为单位
            'shop_price': response.doc('#tr_2001 td').eq(i).find('.pircecont').text(), #待处理成float 元为单位
            'warn_number': 1,
            'goods_desc': u'0.0升 '+ response.doc('#tr_30 td').eq(i).text()+' '+ response.doc('#tr_38 td').eq(i).text()+u'马力 '+ "\n" + response.doc('#tr_53 td').eq(i).text() + ' '+ response.doc('#tr_3 td').eq(i).text(),
            'is_real':1,
            'is_alone_sale':1, #1-普通 0-赠品
            'sort_order':100,
            'goods_type':1,
            'attributes':
            [
                {
                    'attr_name': each('th').text(),
                    'attr_value': each('td').eq(i).find('a').attr.title if (each.attr.id == 'tr_2003' or each.attr.id == 'tr_2004')
                           else each('td').eq(i).text()
                    ,
                } for each in response.doc('tr[id^="tr_"]').items()
            ]
        })

开始不知道什么原因，后来群里 自由人帮我调试出问题， 返回值不对，小弟python自学的，求作者指点。我去看看群里教程视频了。先把返回 改为table 字符串没解决就用php去解析了。

Answer 1

その理由は後で判明しました:

1. 1 ページ内の複数のデータは send_message、

で処理されます。

2. インストールされている pyspider pip は最新バージョンではありません。github にアクセスしてダウンロードしてください

3. pyquery response.doc の返されたオブジェクトのマップは注意して使用する必要があります。enumerate

では i、e に使用してください。

最後に変更されたスクリプト:

リーリー

pyspider グループのメンバーである Freeman (397340469) に感謝します