推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 3295 天前的主题，其中的信息可能已经有所发展或是发生改变。
我现在是每个网站一个 start_url ，一个网站爬 1000(举个例子)个页面之后就跳到下一个网站进行爬取，
宁雨 2015/12/18 18:04:40
这种效果应该怎么实现？
我试了一种方法，就是在爬取量达到 1000 个页面之后就把这个网站的域名从 allowed_domain 中去掉，这样的效果是爬虫依然从这个网站上爬取就是会把这个网站的 url 全部忽略，有没有有经验的同学指点一下
宁雨 2015/12/18 18:04:40
这种效果应该怎么实现？
我试了一种方法，就是在爬取量达到 1000 个页面之后就把这个网站的域名从 allowed_domain 中去掉，这样的效果是爬虫依然从这个网站上爬取就是会把这个网站的 url 全部忽略，有没有有经验的同学指点一下
 |
1
fangdingjun 2015-12-18 18:26:53 +08:00
设定一个条件，当条件为 True 时
yield scrapy.Request |
 |
2
ningyu OP @fangdingjun 能具体点吗，是在 parse_url 里面 yield ？
|
|
3
fangdingjun 2015-12-19 10:13:32 +08:00
在 scrapy 的回调函数里停止返回 scrapy.Request 对象, scrapy 就会停止抓取
你只需要在每次返回 scrapy.Request 时计数，在计数到达 1000 后停止返回 Request 即可 |
Select Language