Python - Scrapy到Json的输出拆分
Python - Scrapy到Json的输出拆分
提问于 2018-07-08 02:43:24
我正在学习NLP，为此，我使用Scrapy抓取了一篇亚马逊书评。我已经提取了所需的字段，并将它们输出为Json文件格式。当此文件作为df加载时，每个字段都被记录为一个列表，而不是一个单独的逐行格式。我如何拆分这个列表，以便df对每个项目都有一行，而不是将所有项目条目记录在单独的列表中？代码：
import scrapy
class ReviewspiderSpider(scrapy.Spider):
name = 'reviewspider'
allowed_domains = ['amazon.co.uk']
start_urls = ['https://www.amazon.com/Gone-Girl-Gillian-Flynn/product-reviews/0307588378/ref=cm_cr_othr_d_paging_btm_1?ie=UTF8&reviewerType=all_reviews&pageNumber=1']
def parse(self, response):
users = response.xpath('//a[contains(@data-hook, "review-author")]/text()').extract()
titles = response.xpath('//a[contains(@data-hook, "review-title")]/text()').extract()
dates = response.xpath('//span[contains(@data-hook, "review-date")]/text()').extract()
found_helpful = response.xpath('//span[contains(@data-hook, "helpful-vote-statement")]/text()').extract()
rating = response.xpath('//i[contains(@data-hook, "review-star-rating")]/span[contains(@class, "a-icon-alt")]/text()').extract()
content = response.xpath('//span[contains(@data-hook, "review-body")]/text()').extract()
yield {
'users' : users.extract(),
'titles' : titles.extract(),
'dates' : dates.extract(),
'found_helpful' : found_helpful.extract(),
'rating' : rating.extract(),
'content' : content.extract()
}示例输出：
users = ['Lauren', 'James'...'John']
dates = ['on September 28, 2017', 'on December 26, 2017'...'on November 17, 2016']
rating = ['5.0 out of 5 stars', '2.0 out of 5 stars'...'5.0 out of 5 stars']所需输出：
index 1: [users='Lauren', dates='on September 28, 2017', rating='5.0 out of 5 stars']
index 2: [users='James', dates='On December 26, 2017', rating='5.0 out of 5 stars']
...我知道可能应该编辑与爬行器相关的Pipeline来实现这一点，但是我的Python知识有限，无法理解Scrapy文档。我也尝试过here和here的解决方案，但是我知道的还不够多，无法将答案与我自己的代码结合起来。任何帮助都将不胜感激。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51226028
复制相关文章
相似问题