Python中Scrapy在一个def里不能发多个yield Request请求么？为什么？

这是我写的 spider 文件，下面有我碰到的在一个页面内所需要的值，放在 3 个 json 文件中。。。。。所以我在一个函数下写了三个 yield Request 请求……

import scrapy from scrapy.http import Request import re from jingdong.items import JingdongItem from jingdong.settings import *

class GoodsSpider(scrapy.Spider): name = 'goods' allowed_domains = ['jd.com'] start_urls = ['http://jd.com/']

# https://search.jd.com/Search?keyword=图书&enc=utf-8&wq=图书&page=1

搜索的起始页


url = “https://search.jd.com/Search?keyword={KEYWORDS}&enc=utf-8&wq={KEYWORDS}&page={page}”


电子价格


Eprice_url = “https://c.3.cn/book?skuId={skuId}&cat={cat}&area=1_72_2799_0&callback=book_jsonp_callback”


商品价格


price_url = “https://p.3.cn/prices/mgets?type=1&area=1_72_2799_0&pdtk=&pduid=1771569446&pdpin=&pdbp=0&skuIds=J_{skuId}&ext=11100000&callback=jQuery3021180&_=1547383556702”
price2_url = ‘https://c0.3.cn/stock?skuId={skuId}&venderId=1000005720&cat={cat}&area=1_72_2799_0&buyNum=1&extraParam={“originid”:“1”}&ch=1&pduid=1771569446&pdpin=&fqsp=0&callback=getStockCallback’


评论


comment_url = “https://sclub.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98vv39228&productId={skuId}&score=0&sortType=5&page=0&pageSize=10&isShadowSku=0&fold=1”


def start_requests(self):
for k in range(1,PAGE_NUM):
yield  Request(url=self.url.format(KEYWORDS=KEYWORDS,page=2*k-1),callback=self.page_parse)


def page_parse(self, response):
#每页商品 ID
goodsID = response.xpath(’//li/@data-sku’).extract()
print(goodsID)


for each in goodsID:
    goodsurl = "https://item.jd.com/{}.html".format(each)
    yield Request(url=goodsurl,callback=self.get_goods_info)

def get_goods_info(self,response):


item = JingdongItem()

#图书链接
item["link"] = response.url

#图书标题
item["title"] = response.xpath('//div[@class="sku-name"]/text()').extract()[0].strip()

#作者
item["writer"] = response.xpath('//div[@class="p-author"]/a/text()').extract()

#提取商品 ID
skuId = re.compile(r'https:..item.jd.com.(\d+).html').findall(response.url)[0]
item['Id'] = skuId
cat = re.compile(r'pcat:\[(.*?)\],').findall(response.text)
cat = re.sub("\|",",",cat[0]).strip("'")
item['catId'] = cat
print(skuId)
print(cat)

# 打开电子书价格
yield Request(url = self.Eprice_url.format(skuId=skuId, cat=cat),meta={'item':item},callback=self.price_parse)
# 打开原价及京东价
yield Request(url = self.price_url.format(skuId=skuId),meta={'item':item},callback=self.jingdong_price_parse)
# 打开评论 json
yield Request(url = self.comment_url.format(skuId=skuId),meta={'item':item},callback=self.comment_parse)

def price_parse(self,response):
item =response.meta[‘item’]
#电子书价格
item[“e_price”] = re.compile(’“p”:"(.*?)",’).findall(response.text)[0]
yield item


def jingdong_price_parse(self,response):
item = response.meta[‘item’]
#京东价
item[“n_price”] = re.compile(’“op”:"(.?)",’).findall(response.text)[0]
print(item[“n_price”])
#原价
item[“o_price”] = re.compile(’“m”:"(.?)",’).findall(response.text)[0]


if item["n_price"] == None and item["o_price"]== None:
    yield Request(url=self.price2_url.format(skuId=item['id'],cat=item['catId']),meta={'item':item}, callback=self.jingdong_price_parse)
else:
    yield item

def comment_parse(self,response):
item = response.meta[‘item’]
#评论数
item[“comment”] =re.compile(’“content”:"(.*?)",’).findall(response.text)


yield item

如题目说所，这三个请求 # 打开电子书价格 yield Request(url = self.Eprice_url.format(skuId=skuId, cat=cat),meta={'item':item},callback=self.price_parse) # 打开原价及京东价 yield Request(url = self.price_url.format(skuId=skuId),meta={'item':item},callback=self.jingdong_price_parse) # 打开评论 json yield Request(url = self.comment_url.format(skuId=skuId),meta={'item':item},callback=self.comment_parse)

将会只执行最下面的，另外两个获取不到值。我试过单独写一个爬虫来同相同的匹配规则是可以正常获取到的。所以，百思不得其解啊！！！！！


Python中Scrapy在一个def里不能发多个yield Request请求么？为什么？

4 回复

答:阔以，因为 yield 就相当于向队列里添加一个任务…其实你只要在 yield 后面加个 print 就能知道 yield 后面的代码是否被执行…😂可能队列这个想法我理解的不太对…但是窝也只写过几天 Python 然后就搁浅了？😂😂😂


当然可以，一个 def 函数里完全可以发送多个 yield scrapy.Request。这是 Scrapy 异步架构的核心用法。

你可能遇到了一个常见的误解：以为 yield 一个 Request 后函数就结束了。实际上，yield 只是“产出”这个请求给 Scrapy 引擎去调度下载，函数会在此处暂停，等该请求下载完成并生成 Response 后，Scrapy 会回调你指定的回调函数（比如 parse）。而原来的生成器函数（你写的那个 def）会继续执行到下一个 yield，再产出下一个请求。

看看这个例子，它在解析列表页时，会同时发起对多个详情页的请求：

import scrapy

class MySpider(scrapy.Spider):
    name = 'multi_request_demo'
    start_urls = ['http://example.com/list']

    def parse(self, response):
        # 假设列表页有多个商品链接
        product_links = response.css('a.product-link::attr(href)').getall()

        # 第一个 yield： 产出对第一个详情页的请求
        if product_links:
            first_product_url = response.urljoin(product_links[0])
            yield scrapy.Request(first_product_url, callback=self.parse_product_detail)

        # 函数在这里暂停，等待第一个请求完成。
        # 当 Scrapy 处理完第一个请求并回调了 `parse_product_detail` 后，
        # 这个 `parse` 生成器会继续往下走。

        # 第二个 yield： 产出对第二个详情页的请求
        if len(product_links) > 1:
            second_product_url = response.urljoin(product_links[1])
            yield scrapy.Request(second_product_url, callback=self.parse_product_detail)

        # 你甚至可以用循环来 yield 所有请求，这才是标准做法：
        for link in product_links[2:]: # 从第三个开始，避免重复
            product_url = response.urljoin(link)
            yield scrapy.Request(product_url, callback=self.parse_product_detail)

        # 还可以 yield 请求到不同的回调函数，或者添加不同的元数据
        yield scrapy.Request('http://example.com/extra-page',
                             callback=self.parse_extra,
                             meta={'info': 'some_data'})

    def parse_product_detail(self, response):
        # 处理详情页的逻辑
        item = {'url': response.url}
        # ... 提取数据 ...
        yield item

    def parse_extra(self, response):
        # 处理其他页面的逻辑
        pass

为什么你会觉得不能发多个？可能的原因：

  1. 逻辑错误：在第一个 yield Request 后写了 return，函数当然就结束了。
  2. 缩进问题：第二个 yield 被错误地放在了 if 语句块之外或之内，导致逻辑不符合预期。
  3. 对生成器理解不足：yield 不是 return，函数状态会被保留。

总结：放心用，一个函数里 yield 多少个 Request 都行，这是 Scrapy 的标准模式。

还有就是你可以写个简单的 demo 试试，😂😂😂

你的问题不是导致错误的原因，scrapy 在一个 def 里是可以发送多个 yield Request 的请求的。大概率问题是在后续处理 item 的问题

回到顶部