python - example - scrapy vs beautifulsoup
Pasando argumentos a process.crawl en Scrapy python (1)
pasar los argumentos de la araña en el método process.crawl
:
process.crawl(spider, input=''inputargument'', first=''James'', last=''Bond'')
Me gustaría obtener el mismo resultado que esta línea de comando: rastreo de scrapy linkedin_anonymous -a first = James -a last = Bond -o output.json
Mi guión es el siguiente:
import scrapy
from linkedin_anonymous_spider import LinkedInAnonymousSpider
from scrapy.crawler import CrawlerProcess
from scrapy.utils.project import get_project_settings
spider = LinkedInAnonymousSpider(None, "James", "Bond")
process = CrawlerProcess(get_project_settings())
process.crawl(spider) ## <-------------- (1)
process.start()
Descubrí que process.crawl () en (1) está creando otro LinkedInAnonymousSpider donde el primero y el último son Ninguno (impreso en (2)), si es así, entonces no tiene sentido crear el objeto spider y cómo es posible pasa los argumentos primero y último a process.crawl ()?
linkedin_anonymous:
from logging import INFO
import scrapy
class LinkedInAnonymousSpider(scrapy.Spider):
name = "linkedin_anonymous"
allowed_domains = ["linkedin.com"]
start_urls = []
base_url = "https://www.linkedin.com/pub/dir/?first=%s&last=%s&search=Search"
def __init__(self, input = None, first= None, last=None):
self.input = input # source file name
self.first = first
self.last = last
def start_requests(self):
print self.first ## <------------- (2)
if self.first and self.last: # taking input from command line parameters
url = self.base_url % (self.first, self.last)
yield self.make_requests_from_url(url)
def parse(self, response): . . .