V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX 提问指南
jazdelu
V2EX  ›  问与答

有没有用过scrapy的啊,来指导下。

  •  
  •   jazdelu · 2013-02-05 16:35:23 +08:00 · 2475 次点击
    这是一个创建于 4338 天前的主题,其中的信息可能已经有所发展或是发生改变。
    start_urls=['http://dsb.66wz.com/','http://wzwb.66wz.com/','http://wzed.66wz.com/','http://wzrb.66wz.com/',]

    allowed_domains=['dsb.66wz.com','wzed.66wz.com','wzrb.66wz.com','wzwb.66wz.com']

    rules = (Rule(SgmlLinkExtractor(allow=r'html/\d+-\d+/\d+/content_\d+.htm'),callback='parse_news'),)


    以上是我爬虫的部分代码
    为什么1这个网页我不爬不到但是2就能爬到?
    是不是这新闻网设置了什么robot.txt?



    1.http://wzed.66wz.com/html/2012-12/12/content_1356694.htm


    2.http://wzed.66wz.com/html/2013-02/05/content_1391565.htm
    目前尚无回复
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   5835 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 206ms · UTC 03:16 · PVG 11:16 · LAX 19:16 · JFK 22:16
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.