pipelines.py 文件源码

python
阅读 19 收藏 0 点赞 0 评论 0

项目:web_crawler 作者: NearXdu 项目源码 文件源码
def process_item(self, item, spider):
        if not re.match('.*comment.*',item['link']):
            if re.match('^http.*qq.com.*\.s?html?$',item['link']):
                if item['link'] in self.seen:
                    raise DropItem('Duplicate link %s' % item['link'])
                self.seen.add(item['link'])
                line = json.dumps(dict(item), ensure_ascii=False) + '\n'
                self.file.write(line)
                return item
评论列表
文章目录


问题


面经


文章

微信
公众号

扫码关注公众号