网站建设包含什么,怎么制作页面模板,域名注册商哪个好,注册网站是什么意思在使用爬虫获取维基百科数据时看到了一个很好的项目#xff1a; 博客#xff1a;https://blog.51cto.com/u_15919249/5962100 项目地址#xff1a;https://github.com/wjn1996/scrapy_for_zh_wiki
但在使用过程中遇到若干问题#xff0c;记录一下#xff1a; The more_it…在使用爬虫获取维基百科数据时看到了一个很好的项目 博客https://blog.51cto.com/u_15919249/5962100 项目地址https://github.com/wjn1996/scrapy_for_zh_wiki
但在使用过程中遇到若干问题记录一下 The more_itertools package is required; normally this is bundled with this package so if you get this warning, consult the packager of your distribution.
1.解决方案
或许并不是环境本身的问题。
1. pip show more_itertools没有则安装有则下一步
2. 把queue.py 文件及该文件中的Queue类均重命名分别为myqueue.py 与 MyQueue。
3. 将重命名后的myqueue.py放到spiders文件夹下
4. 将spider下单wiki.py 中的from queue import Queue修改为from .myqueue import MyQueue
原因可能是Python中自带queue库而博主这里是想调用自己的queue。
2.后面同样要把filter_words.py文件拿到spider下并修改wiki中的from filter_words import filter_url 为from .filter_words import filter_url 3.在wiki.py繁简转换中加判断避免输入为空
def Traditional2Simplified(sentence):将sentence中的繁体字转为简体字:param sentence: 待转换的句子:return: 将句子中繁体字转换为简体字之后的句子# sentence Converter(zh-hans).convert(sentence)# return sentenceif sentence:sentence Converter(zh-hans).convert(sentence)return sentenceelse:return sentence
4. 在wiki.py中修改 content_entity search.xpath(//h1[idfirstHeading]/text()).extract_first()
为
content_entity search.xpath(//h1[idfirstHeading]/span/text()).extract_first()
