csvからのScrapy出力に新しい列を追加するにはどうすればよいですか？

debugcn 投稿 Dev

ボディスタワ

私はウェブサイトを解析し、それはうまく機能しますが、出力するIDを持つ新しい列を追加する必要があります。その列は、次のURLでcsvに保存されます。

https://www.ceneo.pl/48523541, 1362
https://www.ceneo.pl/46374217, 2457

私のクモのコード：

import scrapy
from ceneo.items import CeneoItem
import csv

class QuotesSpider(scrapy.Spider):
    name = "quotes" 

    def start_requests(self):
        start_urls = []
        f = open('urls.csv', 'r')
        for i in f:
            u = i.split(',')
            start_urls.append(u[0])
        for url in start_urls:
            yield scrapy.Request(url=url, callback=self.parse)

    def parse(self, response):
        all_prices = response.xpath('(//td[@class="cell-price"] /a/span/span/span[@class="value"]/text())[position() <= 10]').extract()
        all_sellers = response.xpath('(//tr/td/div/ul/li/a[@class="js_product-offer-link"]/text())[position()<=10]').extract()

        f = open('urls.csv', 'r')
        id = []
        for i in f:
            u = i.split(',')
            id.append(u[1])

        x = len(all_prices)     
        i = 0

        while (i < x):
            all_sellers[i] = all_sellers[i].replace('Opinie o ', '')
            i += 1

        for urlid, price, seller in zip(id, all_prices, all_sellers):
            yield {'urlid': urlid.strip(), 'price': price.strip(), 'seller': seller.strip()}

（zip関数？）IDが交互に取得されるため、結果で間違ったデータが取得されます。

urlid,price,seller
1362,109,eMAG
1457,116,electro.pl
1362,597,apollo.pl
1457,597,allegro.pl

そしてそれは出力する必要があります：

urlid,price,seller
1362,109,eMAG
1362,116,electro.pl
1457,597,apollo.pl
1457,597,allegro.pl

簡単

を使用してリクエストにアクセスIDしstart_requestsて割り当てることができmeta={'id': id_}、後でを使用してparse取得できます。IDresponse.meta['id']

この方法は、あなたが正しい必要がありますIDではparse。

dataファイルの代わりに文字列を使用して、実用的な例を作成します。

#!/usr/bin/env python3

import scrapy

data = '''https://www.ceneo.pl/48523541, 1362
https://www.ceneo.pl/46374217, 2457'''

class QuotesSpider(scrapy.Spider):

    name = "quotes" 

    def start_requests(self):
        #f = open('urls.csv', 'r')

        f = data.split('\n')

        for row in f:
            url, id_ = row.split(',')

            url = url.strip()
            id_ = id_.strip()

            #print(url, id_)

            # use meta to assign value 
            yield scrapy.Request(url=url, callback=self.parse, meta={'id': id_})

    def parse(self, response):
        # use meta to receive value
        id_ = response.meta["id"]

        all_prices = response.xpath('(//td[@class="cell-price"] /a/span/span/span[@class="value"]/text())[position() <= 10]').extract()
        all_sellers = response.xpath('(//tr/td/div/ul/li/a[@class="js_product-offer-link"]/text())[position()<=10]').extract()

        all_sellers = [ item.replace('Opinie o ', '') for item in all_sellers ]

        for price, seller in zip(all_prices, all_sellers):
            yield {'urlid': id_, 'price': price.strip(), 'seller': seller.strip()}

# --- it runs without project and saves in `output.csv` ---

from scrapy.crawler import CrawlerProcess

c = CrawlerProcess({
    'USER_AGENT': 'Mozilla/5.0',
    'FEED_FORMAT': 'csv',
    'FEED_URI': 'output.csv', 
})
c.crawl(QuotesSpider)
c.start()

ところで：標準機能があるid()ので、id_代わりに変数を使用しますid

この記事はインターネットから収集されたものであり、転載の際にはソースを示してください。

侵害の場合は、連絡してください[email protected]