Scrapy：需要迭代项目和页面答案

【问题标题】：Scrapy: need to iterate over items and pagesScrapy：需要迭代项目和页面
【发布时间】：2020-10-14 21:20:58
【问题描述】：

我在 .txt 文件中有一个 instagram 列表。

这是我必须抓取的 URL：https://brandfollowers.io/kol/all-post?uid=$INSTAGRAM$&page_num=$PAGENUMBER$（注意我把 $INSTAGRAM$ 和 $PAGENUMBER$ 放在我需要更改变量的地方）

例如在这个网址https://brandfollowers.io/kol/all-post?uid=philipppleinofficial&page_num=1

我对此很陌生，但实际上我设法为列表中的每个 Instagram 获取第 1 页中的所有项目。但是，我无法遍历每个 Instagram 的所有页面。

你能给我一些建议吗？我对这个话题很陌生。

这是我知道的：

# -*- coding: utf-8 -*-
import scrapy
import json


class ContenidoSpider(scrapy.Spider):
    name = 'BACKUP_contenido'
    allowed_domains = ['brandfollowers.io']
    start_urls = ['http://brandfollowers.io/']
    base_url = 'http://brandfollowers.io/kol/all-post?uid='


    def parse(self, response):

        FILE = open('list.txt', 'r').readlines()
        instagrams = []


        for lines in FILE:
            new_line = lines.replace('https://www.instagram.com/', '')
            instagrams.append(new_line)

        for instagram in instagrams:
            posts_url = self.base_url + instagram

            yield scrapy.Request(posts_url, callback=self.parse_json)

    def parse_json(self, response):
        current_page = 0
        pagesize = 6
        json_response = json.loads(response.text)
        path = json_response["data"]["models"]

        while current_page < pagesize:

            brand = path[current_page]["author"]["platform_unique_id"]
            date = path[current_page]["platform_create_time"]
            comments = path[current_page]["comment_count"]
            likes = path[current_page]["like_count"]
            engagement_rate = path[current_page]["share_count"]
            description = path[current_page]["description"]
            url_post = path[current_page]["post_url"]
            picture_link = path[current_page]["picture_link"]


            yield {

                'BRAND': brand,
                'DATE': date,
                'COMMENTS': comments,
                'LIKES': likes,
                'ENGAGEMENT RATE': engagement_rate,
                'DESCRIPTION': description,
                'URL': url_post,
                'PICTURE LINK': picture_link,

            }

            current_page += 1

【问题讨论】：

标签： python json scrapy web-crawler

【解决方案1】：

假设有 10 页：

amount_of_pages = 10

pages = [f"https://brandfollowers.io/kol/all-post?uid=philipppleinofficial&page_num={n+1}" for n in range(amount_of_pages)]

for page in pages:
    #Do something

【讨论】：

感谢您的提示。最后，你引导我朝着正确的方向前进。但是，您的代码有错误。 TypeError: 'int' object is not iterable。我更改了amount_of_pages = range(1, 11)，这解决了问题。