Scrapy 爬虫数据抓取不全和部分内容无法抓取怎么办

2015-03-09 09:45:06 +08:00
 suguoguosu

1、数据不全:爬取新浪专栏数据时,中国观察专栏爬取正常,但是银行专栏只能爬到7篇,此外的专栏的都无法爬取;另外试图在东方财富网爬取上市公司信息时, Rule(LinkExtractor(allow=("sh600 \d\d\d,))只能爬到两家上市公司的数据就停止了。

2、无法抓取:有些数字,如股价、市盈率爬下来是“-”。

求解答!

4287 次点击
所在节点    问与答
1 条回复
roricon
2015-03-09 12:07:49 +08:00
1.无法爬取是没有新页面的url进来,还是下载失败?
2.看看是否这些'-'的内容,是否是前端js生成的。如果是js生成的,Scrapy无法直接拿到,需要通过其他方法。

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/175465

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX