網(wǎng)頁能通過瀏覽器正常打開,但是scrapy shell+網(wǎng)址 打開報錯
http://www.landchina.com/Desk...
但是scrapy shell后,view response后得到
我也試著加入-s USER_AGENT='Mozilla/5.0' 但是沒效果
請問是怎么回事?
會不會是scrapy默認開啟了遵守Robots.txt 導(dǎo)致的?嘗試在settings.py中改一下.
在我這是默認打開的, 內(nèi)容是如下:
Obey robots.txt rules
ROBOTSTXT_OBEY = True
我這里測試, 發(fā)現(xiàn) 是否 改變robots為False, 同時 是否 增加用戶代理, 內(nèi)容都可以被成功下載.
的確存在這個問題, 可能是小幾率的xpath失效的問題 -> (我猜測是這個問題), 因為我嘗試過在瀏覽器中使用我寫的xpath發(fā)現(xiàn)是可以獲取的, 但是scrapy中并不行.
原文章: "在使用chrome等瀏覽器自帶的提取extract xpath路徑的時候, 通?,F(xiàn)在的瀏覽器都會對html文本進行一定的規(guī)范化,
導(dǎo)致明明在瀏覽器中提取正確, 卻在程序中返回錯誤的結(jié)果."
我嘗試過使用相對路徑, 發(fā)現(xiàn)也不行, 我建議你這里使用regex正則表達式來提取.
我寫的正則不是特別簡潔, 但是可以提取表格內(nèi)的所有內(nèi)容, 以列表(二維數(shù)組)形式被存下來.
regex = re.compile(r"([:\u4e00-\u9fa50-9\(\)]+)</td>\s*[<td colspan=\"5\">]*[<td>]*([,\[\]\.0-9\u4e00-\u9fa5]+)</td>")
共找到 8 處匹配:(每處匹配的都是內(nèi)容, 不包含html標簽.)
宗地編號</td> <td>唐國土豐南告字[2018]2號公告地塊</td>
地塊位置</td> <td>豐南區(qū)豐南鎮(zhèn)楊貴莊村西</td>
土地用途</td> <td>其他普通商品住房用地</td>
土地面積(公頃)</td> <td>0.676247</td>
出讓年限</td> <td>70年</td>
成交價(萬元)</td> <td>508</td>
受讓單位</td> <td colspan="5">北京睿博大正投資有限公司</td>
土地使用條件:</td> <td colspan="5">該宗地規(guī)劃用途為居住用地,使用年限為住宅70年商業(yè)40年</td>
北大青鳥APTECH成立于1999年。依托北京大學(xué)優(yōu)質(zhì)雄厚的教育資源和背景,秉承“教育改變生活”的發(fā)展理念,致力于培養(yǎng)中國IT技能型緊缺人才,是大數(shù)據(jù)專業(yè)的國家
北大青鳥中博軟件學(xué)院創(chuàng)立于2003年,作為華東區(qū)著名互聯(lián)網(wǎng)學(xué)院和江蘇省首批服務(wù)外包人才培訓(xùn)基地,中博成功培育了近30000名軟件工程師走向高薪崗位,合作企業(yè)超4
中公教育集團創(chuàng)建于1999年,經(jīng)過二十年潛心發(fā)展,已由一家北大畢業(yè)生自主創(chuàng)業(yè)的信息技術(shù)與教育服務(wù)機構(gòu),發(fā)展為教育服務(wù)業(yè)的綜合性企業(yè)集團,成為集合面授教學(xué)培訓(xùn)、網(wǎng)
達內(nèi)教育集團成立于2002年,是一家由留學(xué)海歸創(chuàng)辦的高端職業(yè)教育培訓(xùn)機構(gòu),是中國一站式人才培養(yǎng)平臺、一站式人才輸送平臺。2014年4月3日在美國成功上市,融資1
曾工作于聯(lián)想擔(dān)任系統(tǒng)開發(fā)工程師,曾在博彥科技股份有限公司擔(dān)任項目經(jīng)理從事移動互聯(lián)網(wǎng)管理及研發(fā)工作,曾創(chuàng)辦藍懿科技有限責(zé)任公司從事總經(jīng)理職務(wù)負責(zé)iOS教學(xué)及管理工作。
浪潮集團項目經(jīng)理。精通Java與.NET 技術(shù), 熟練的跨平臺面向?qū)ο箝_發(fā)經(jīng)驗,技術(shù)功底深厚。 授課風(fēng)格 授課風(fēng)格清新自然、條理清晰、主次分明、重點難點突出、引人入勝。
精通HTML5和CSS3;Javascript及主流js庫,具有快速界面開發(fā)的能力,對瀏覽器兼容性、前端性能優(yōu)化等有深入理解。精通網(wǎng)頁制作和網(wǎng)頁游戲開發(fā)。
具有10 年的Java 企業(yè)應(yīng)用開發(fā)經(jīng)驗。曾經(jīng)歷任德國Software AG 技術(shù)顧問,美國Dachieve 系統(tǒng)架構(gòu)師,美國AngelEngineers Inc. 系統(tǒng)架構(gòu)師。