python - 如何使用 scrapy 将多个页面的数据收集到单个数据结构中

Question

我正在尝试从站点抓取数据。数据的结构是多个对象，每个对象都有一组数据。 例如，有姓名、年龄和职业的人。

我的问题是这些数据在网站中分为两个级别。
第一页是，比如说，一个姓名和年龄列表，带有指向每个人个人资料页面的链接。
他们的个人资料页面列出了他们的职业。

我已经有一个用 python 编写的 scrapy 蜘蛛，它可以从顶层收集数据并通过多个分页爬行。
但是，我如何从内页收集数据，同时保持它链接到合适的对象？

目前，我将输出结构化为 json

   {[name='name',age='age',occupation='occupation'],
   [name='name',age='age',occupation='occupation']} etc

parse 函数可以像这样跨页吗？

Answer 1

这是您需要处理的方式。当项目具有所有属性时，您需要产生/返回项目一次

yield Request(page1,
              callback=self.page1_data)

def page1_data(self, response):
    hxs = HtmlXPathSelector(response)
    i = TestItem()
    i['name']='name'
    i['age']='age'
    url_profile_page = 'url to the profile page'

    yield Request(url_profile_page,
                  meta={'item':i},
    callback=self.profile_page)


def profile_page(self,response):
    hxs = HtmlXPathSelector(response)
    old_item=response.request.meta['item']
    # parse other fileds
    # assign them to old_item

    yield old_item