Scrapy 爬虫中的 URL 不会交给下一个解析器

Question

我在尝试爬取http://www.brand-in-trend.ru 时遇到了一个屈服问题。正如您在下面看到的，我正在使用 Scrapy 并定义了一个 Basespider。第一个解析器工作得很好，并返回在 start_url 上找到的所有品牌。

现在，当我想向类别解析器产生回调请求时，我没有收到响应或错误。蜘蛛就退出了。

蜘蛛：

class brandintrend(BaseSpider):
name = "brandintrend"

allowed_domains = [ 'trend-in-brand.ru' ]

start_urls      = [ 'http://brand-in-trend.ru/brands/' ]

def parse(self, response):
    hxs         = HtmlXPathSelector(response)
    brands      = hxs.select('//div[@class="brandcol"]/ul/li/a/@href').extract()

    for brand in brands:
        brand = "http://www.brand-in-trend.ru" + brand
        print brand
        # request = Request(brand, callback=self.categories)
        yield Request(brand, callback=self.categories)

def categories(self, response):
    print "Hello World"
    hxs = HtmlXPathSelector(response)
    print response.url

我已经尝试了以下方法来解决这个问题：

1. 我在 Chrome 中测试了生成的品牌网址（例如 http://www.brand-in-trend.ru/brands/parker/）（Javasript 已关闭），它们运行良好。
2. 我将所有生成的品牌网址放在 start_url 列表中，并尝试将它们直接提供给类别解析器
3. 我看了这篇文章，很遗憾没有解决我的问题：scrapy unable to make Request() callback

如果有人遇到类似的问题，我会很高兴提供解决方案或建议

提前致谢

J

Answer 1

这是因为你设置了：

allowed_domains = [ 'trend-in-brand.ru' ]

但是，您正在从不同的域抓取 url：

start_urls = [ 'http://brand-in-trend.ru/brands/' ]

参见trend-in-brand 与brand-in-trend。