Los datos de algunos sitios web se obtienen a través de solicitudes ajax, o se proporcionan apis en formato json.
Por ejemplo, para los siguientes datos:
{
{
"url": "http://www.techbrood.com/news/1",
"author": "iefreer",
"title": "techbrood Co. test 1"
},
{
"url": "http://www.techbrood.com/news/2",
"author": "ryan.chen",
"title": "techbrood Co. test 2"
}
}
En Scrapy, simplemente cambie la función de análisis:
def parse(self, response):
#调用body_as_unicode()是为了能处理unicode编码的数据。
sites = json.loads(response.body_as_unicode())
for site in sites:
print site['url']
Llame a body_as_unicode () para poder procesar datos codificados en Unicode.