『scrapy爬虫』09. 获取子页面的数据（详细注释步骤）

import scrapy
 
class MySpider(scrapy.Spider):
    name = 'myspider'
    start_urls = ['http://example.com/pages/']
 
    # 解析列表页面，获取详情页链接
    def parse(self, response):
        # 提取详情页链接并生成爬取请求
        for href in response.css('a::attr(href)').getall():
            if 'details' in href:
                yield response.follow(href, self.parse_details)
 
    # 解析详情页面，提取需要的数据
    def parse_details(self, response):
        # 提取数据并组成字典
        item = {
            'title': response.css('h1::text').get(),
            'description': response.css('p::text').get(),
            # 更多字段...
        }
        yield item  # 提交数据

这段代码定义了一个Scrapy爬虫，它会从一个网页列表开始，根据详情页的链接爬取数据，并提取页面上的标题和描述信息。这个例子展示了如何在Scrapy中创建一个简单的爬虫，并使用CSS选择器提取页面数据。