Skip to main content
 首页 » 编程设计

python之使用 Scrapy 抓取游戏商店时出现问题之如果有折扣和处理 null,HTML 会发生变化

2025年01月19日9lvdongjie

我正在尝试使用 Scrapy 来抓取一系列游戏商店,但它们都遇到了同样的问题。我使用的是 XPath,游戏价格的 HTML 会根据价格是简单标记为 £ 20.09 还是标记为 £ 20.09 并在其中划线然后 £ 14.49 显示折扣。 我很高兴有两列,是 20.09(将包含空值)和 现在是 14.49 之后的一列,但我不知道如何获得空值而不是仅仅取代以下所有内容。

这是我的网站 cdkeys 代码 - https://www.cdkeys.com/pc/games?limit=50有打折和没有打折的游戏。

allowed_urls = ['https://www.cdkeys.com/pc/games?limit=50?'] 
start_urls = ['https://www.cdkeys.com/pc/games/{pageno}?limit=50'.format(pageno=pageno) 
    for pageno in range(1, 10)] 
 
def parse(self, response): 
    Games = response.xpath('//*[@id="root-wrapper"]/div/div[1]/div[2]/div[3]/div[2]/div[2]/ul/li/h2/a/text()').extract() 
    Prices = response.xpath('//span[starts-with(@id, "product-price-")]/span[1]/span/text()').extract() 
    for i, (Game, Price) in enumerate(zip(Games, Prices)): 
        yield {'index': i, 'Game': Game, 'Price':Price} 

问题出在价格的 XPath 中,我可以获得只有折扣价的列表,或者只有没有折扣的游戏的价格列表,因为这些类别的 HTML 完全不同。

阻止我简单地创建两个列表的是因为我使用的是 zip 和 enumerate 它只是迭代第一个 x 数量直到价格用完为止,而不是将每个游戏链接到相应的价格。

如果您能在 Prices 中仅显示正确的价格,或者找到一种使用空值而不是替换以下值的方法,我们将不胜感激。我对 python 和网络爬虫都是新手,只是想了解这一切。

请您参考如下方法:

我会采用不同的方式 - 逐一遍历产品项目,然后找到游戏名称、正常价格和折扣价:

def parse(self, response): 
    for game in response.css("ul.products-grid li.item"): 
        name = game.css("h2.product-name > a::text").extract_first() 
        old_price = game.css(".regular-price .price::text,.old-price .price::text").extract_first() 
        discount_price = game.css(".special-price .price::text").extract_first() 
 
        yield { 
            "name": name, 
            "old_price": old_price, 
            "discount_price": discount_price 
        } 

对于第一页,您将获得以下输出:

{'old_price': u'$ 13.59', 'name': u'Stellaris: Utopia PC DLC', 'discount_price': None} 
{'old_price': u' $ 9.49 ', 'name': u'Insurgency PC', 'discount_price': u' $ 1.99 '} 
... 
{'old_price': u' $ 81.59 ', 'name': u'Call of Duty Black Ops II 2 Digital Deluxe Edition PC ', 'discount_price': u' $ 13.59 '} 

注意旧价格是如何填写有和没有折扣的。