python - 想抓取flipkart

Question

简而言之，我必须抓取 Flipkart 并将数据存储在 Mongodb 中。

首先，使用MongoDB Atlas为自己获取一个免费的托管 Mongodb 服务器。测试您是否能够使用 python 的库 pymongo 连接到它。

其次，安装Scrapy并使用其文档让自己熟悉使用 Scrapy 框架进行抓取。

然后，转到以下 2 个网址

男士上衣👉 https://www.flipkart.com/clothing-and-accessories/topwear/pr?sid=clo%2Cash&otracker=categorytree&p%5B%5D=facets.ideal_for%255B%255D%3DMen

女鞋👉 https://www.flipkart.com/womens-footwear/pr?sid=osp,iko&otracker=nmenu_sub_Women_0_Footwear

每个页面有 40 个产品，您必须从每个起始 URL 中抓取最多 25 个页面(大约 2000 个产品)并将数据存储在 Mongodb 中(数据库:，集合:flipkart)。数据应该使用 Scrapy Mongodb Pipelines 直接从 Scrapy 框架插入到 Mongodb 中。

您抓取的每个产品都应具有以下数据:

• 名称 [存储为字符串]
• 品牌 [存储为字符串]
• original_price [存储为 float ]
• sale_price [存储为 float ]
• image_url [存储为字符串]
• product_page_url [存储为字符串]
• product_category [存储为字符串] [它可以包含 2 个值“女鞋”或“男上衣”]

但是我只能抓取品牌、标题销售价格和产品网址，原始价格有两个字符串并且它不匹配，我无法将数据保存在 mongodb 中，任何人都可以帮助我。

from ..items import FlipkartItem
import json
import scrapy
import re


class FlipkartscrapySpider(scrapy.Spider):
    name = 'flipkartscrapy'

    def start_requests(self):
        urls = ['https://www.flipkart.com/clothing-and-accessories/topwear/pr?sid=clo%2Cash&otracker=categorytree&p%5B%5D=facets.ideal_for%255B%255D%3DMen&page={}',
        'https://www.flipkart.com/womens-footwear/pr?sid=osp%2Ciko&otracker=nmenu_sub_Women_0_Footwear&page={}']

        for url in urls:
            for i in range(1,25):
                x = url.format(i)
                yield scrapy.Request(url=x, callback=self.parse)


    def parse(self, response):
        items = FlipkartItem()
        name = response.xpath('//*[contains(concat( " ", @class, " " ), concat( " ", "IRpwTa", " " ))]').xpath('text()').getall()
        brand = response.xpath('//*[contains(concat( " ", @class, " " ), concat( " ", "_2WkVRV", " " ))]').xpath('text()').getall()
        original_price = response.xpath('//*[contains(concat( " ", @class, " " ), concat( " ", "_3I9_wc", " " ))]').xpath('text()').getall()
        sale_price = response.xpath('//*[contains(concat( " ", @class, " " ), concat( " ", "_30jeq3", " " ))]').xpath('text()').getall()
        image_url = response.css('._1a8UBa').css('::attr(src)').getall()
        product_page_url =response.css('._13oc-S > div').css('::attr(href)').getall()

        items['name'] = name
        items['brand'] = brand
        items['original_price'] = original_price
        items['sale_price'] = sale_price
        items['image_url'] = image_url
        items['product_page_url'] = 'https://www.flipkart.com' + str(product_page_url)
         
        yield items

原始价格输出如下original_price:

['₹', '999', '₹', '1,499', '₹', '1,888', '₹', '2,199', '₹', '1,499', '₹', '1,069', '₹', '1,099', '₹', '1,999', '₹', '2,598', '₹', '1,299', '₹', '1,999', '₹', '899', '₹', '1,099', '₹', '1,699', '₹', '1,399', '₹', '999', '₹', '999', '₹', '1,999', '₹', '1,099', '₹', '1,199', '₹', '999', '₹', '999', '₹', '1,999', '₹', '1,287', '₹', '999', '₹', '1,199', '₹', '899', '₹', '999', '₹', '1,849', '₹', '1,499', '₹', '999', '₹', '999', '₹', '899', '₹', '1,999', '₹', '1,849', '₹', '3,499', '₹', '2,397', '₹', '899', '₹', '1,999']

Answer 1

items['original_price'] = [original_price[i]+original_price[i+1] for i in range(0, len(original_price), 2)]