使用Scrapy以升序导出已擦除的数据

ioekq8ef 于 2022-11-09 发布在其他

关注(0)|答案(1)|浏览(160)

我用scrapy刮我的网站为4列（股票数量/名称/价格/网址）。我想输出的文件是按字母顺序从名称列排序。我可以进入csv和排序它手动，但一些向导必须知道一种方法来做到这一点的脚本？
编码：

import scrapy
from scrapy.crawler import CrawlerProcess
import  csv

cs = open('results/2x2_results.csv', 'w', newline="", encoding='utf-8')
header_names = ['stk','name','price','url']
csv_writer = csv.DictWriter(cs, fieldnames=header_names)
csv_writer.writeheader()

class SCXX(scrapy.Spider):
 name = 'SCXX'
  start_urls = [
    'https://website.com'
  ]

def parse(self,response):
    product_urls  = response.css('div.grid-uniform a.product-grid-item::attr(href)').extract()

    for product_url in product_urls:
        yield scrapy.Request(url='https://website.com'+product_url,callback=self.next_parse_two)

    next_url  = response.css('ul.pagination-custom li a[title="Next »"]::attr(href)').get()
    if next_url != None:
        yield scrapy.Request(url='https://website.com'+next_url,callback=self.parse)

def next_parse_two(self,response):
    item = dict()
    item['stk'] = response.css('script#swym-snippet::text').get().split('stk:')[1].split(',')[0]
    item['name'] = response.css('h1.h2::text').get()
    item['price'] =response.css('span#productPrice-product-template span.visually-hidden::text').get()
    item['url'] = response.url
    csv_writer.writerow(item)
    cs.flush()

process = CrawlerProcess({
'USER_AGENT': 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)'
})

process.crawl(SCXX)
process.start()

scrapy

来源：https://stackoverflow.com/questions/73935194/export-scraped-data-in-ascending-order-with-scrapy

1条答案

按热度按时间

6l7fqoea1#

溶液

Scrapy是异步工作的，请求的处理没有顺序，想象一下，有一群工人，有的拿苹果，有的拿香蕉，有的拿橘子，你会如何对他们排序，你可以告诉他们把每种水果摘下来放在篮子里（这就是我们所说的插入或放入排序）但在编程中，这将是一个太多的麻烦，我会建议只是为了获得数据，并基本上使用sort()对它之后。
数据没有按任何顺序写入。所有的数据都是一次启动，并在运行中写入。你可以做的是运行一个后擦除脚本，最后将其排序。这可能是最好的方法。

import scrapy
from scrapy.crawler import CrawlerProcess

class MySpider(scrapy.Spider):
    # Your spider definition
    ...

process = CrawlerProcess(settings={
    "FEEDS": {
        "items.json": {"format": "json"},
    },
})

process.crawl(MySpider)
process.start() # the script will block here until the crawling is finished

# Load the JSON and use .sort() on the dict and write it again.

with open('items.json') as file:
    data = json.load(file)
    data.sort() # we would have to use a specific key to sort it alphabetically like the title. 
with open('output.json', 'w') as outfile:
    json.dump(data, outfile) (write to a file)

附加注解

我们最好将其写入内存流io库，但我猜您不知道如何执行此操作，这就是为什么将其写入文件，然后在该文件上执行操作会更容易。
"如果你有任何问题，请告诉我“

赞(0）回复(0）举报 2022-11-09

我来回答

使用Scrapy以升序导出已擦除的数据

1条答案

溶液

附加注解

相关问题

热门标签

最新问答