我正在同时启动几个蜘蛛CrawlerProcess,就像那样。def main(): # ----- This part launch all given spiders ----- # process = CrawlerProcess(get_project_settings()) process.crawl(FirstSpider) process.crawl(SecondSpider) process.crawl(ThirdSpider) process.crawl(EtcSpider) process.start() # the script will block here until the crawling is finished所有蜘蛛都基于 CSV 输入文件工作,该文件包含要在网站上查找的信息。这是一个示例:class FirstSpider(scrapy.Spider): name = "first_bot" def start_requests(self): base_url = "https://example.fr/catalogsearch/result/?q=" script_dir = osp.dirname(osp.realpath(__file__)) file_path = osp.join(script_dir, 'files', 'to_collect_firstbot.csv') input_file = open(file_path, 'r', encoding="utf-8", errors="ignore") reader = csv.reader(input_file) for row in reader: if row: url = row[0] absolute_url = base_url + url print(absolute_url) yield scrapy.Request( absolute_url, meta={ "handle_httpstatus_list": [302, 301, 502], }, callback=self.parse )它有效,但我可能必须修改输入文件名,该文件名为每个蜘蛛记录。是否可以在所有蜘蛛脚本上保留一个默认的“自定义”文件,然后保存到 core.py 文件(启动所有蜘蛛),如果需要修改 CSV 输入文件(在这种情况下,所有蜘蛛的文件和名称都相同) )?
添加回答
举报
0/150
提交
取消