python - 在 scrapy 中抓取 json 响应

Question

我一直在学习用 scrapy 抓取页面。一些呈现给我的数据是 JSON 格式的，到目前为止我还无法成功地抓取 JSON 页面。我知道这是可以做到的(感谢我之前唯一的问题和有用的回复)，但我就是做不到。我想知道是否 a) 有人知道一个成功的 JSON scrapy 脚本示例，或者 b) 我可以请您提供一些指示。

我一直在使用此页面寻求帮助: http://www.jroller.com/evans/entry/parsing_json_with_python , 试图抓取用作示例的页面。

我的 spider 跑了，但没有抓到任何东西。我知道我犯了错误，但我觉得我至少改变了 spyder 的每一个小方面，现在却让自己感到困惑。

我的蜘蛛的基础(根据以下建议编辑)是这样的:

from scrapy.spider import BaseSpider
from scrapy.selector import HtmlXPathSelector
from learnjson.items import learnjsonitems, Field
import json
import urllib2

class MySpider(BaseSpider):
name = "jsonexample"
allowed_domains = ["googleapis.com"]
req = urllib2.urlopen('http://maps.googleapis.com/maps/api/geocode/json?address=8-10%20Broadway,%20London%20SW1H%200BG,%20United%20Kingdom&sensor=false'
)

def json_parse(self, response):
    jsonresponse = json.loads(response.body_as_unicode())
    latitude = jsonresponse["lat"]


    print item["lat"]

以被抓取的页面为例(不是我的数据，只是用来练习的东西)，我一直在尝试提取街道地址和纬度/经度，但我尝试过的任何方法似乎都不起作用。

Answer 1

我想你错过了导入 json.Add

在您的代码中导入 json。

同时使用 urllib2 解压缩并打开您的 json 文件。它会正常工作。 您可以为 json 响应附加一个代码，例如。

class MySpider(BaseSpider):
    ...   

    def parse(self, response):
         jsonresponse = json.loads(response)

         item = MyItem()
         item["firstName"] = jsonresponse["firstName"]             

         return item

希望这有帮助:)