Запускаем паука

В предыдущем уроке мы создали полноценный веб-краулер для получения информации о курсах из каталога DataCamp. Однако урок завершился без финального аккорда — мы так и не попробовали код в действии после того, как написали методы парсинга.

Цель этого упражнения — исправить это!

Код, который вы видите здесь и в следующем упражнении, достаточно длинный — это полный паук, который мы создавали на протяжении всего урока. Но не пугайтесь! Задача этих двух упражнений — дать вам очень простое задание, чтобы вы могли изучить код паука и запустить его. Так вы разберётесь в нём, несмотря на его объём!

Это упражнение является частью курса

Веб-скрапинг на Python

Посмотреть курс

Инструкции к упражнению

Заполните единственный пропуск в конце метода parse_pages, чтобы присвоить названия глав в словарь, ключом которого является соответствующее название курса.

ПРИМЕЧАНИЕ: Если вы нажмёте Запустить код, для повторного использования этой кнопки нужно будет нажать Сбросить до примера кода!

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import scrapy
import scrapy

# Import the CrawlerProcess: for running the spider
from scrapy.crawler import CrawlerProcess

# Create the Spider class
class DC_Chapter_Spider(scrapy.Spider):
  name = "dc_chapter_spider"
  # start_requests method
  def start_requests(self):
    yield scrapy.Request(url = url_short,
                         callback = self.parse_front)
  # First parsing method
  def parse_front(self, response):
    course_blocks = response.css('div.course-block')
    course_links = course_blocks.xpath('./a/@href')
    links_to_follow = course_links.extract()
    for url in links_to_follow:
      yield response.follow(url = url,
                            callback = self.parse_pages)
  # Second parsing method
  def parse_pages(self, response):
    crs_title = response.xpath('//h1[contains(@class,"title")]/text()')
    crs_title_ext = crs_title.extract_first().strip()
    ch_titles = response.css('h4.chapter__title::text')
    ch_titles_ext = [t.strip() for t in ch_titles.extract()]
    dc_dict[ crs_title_ext ] = ____

# Initialize the dictionary **outside** of the Spider class
dc_dict = dict()

# Run the Spider
process = CrawlerProcess()
process.crawl(DC_Chapter_Spider)
process.start()

# Print a preview of courses
previewCourses(dc_dict)

Редактировать и запускать код