CSV中的不匹配行

如何解决CSV中的不匹配行

我设法写了这个蜘蛛来抓取此页面http://www.abyznewslinks.com/argen.htm中的表,但是问题是当重复重复以下行时,media_url中的以下行,输出csv中的media_name列不匹配,我该如何解决这个问题?

import scrapy
from ..items import AbyzItem
import itertools
from itertools import zip_longest
class AbyzrowbyrowSpider(scrapy.Spider):
    name = 'abyz3'
    allowed_domains = ['abyznewslinks.com']
    start_urls = ['http://www.abyznewslinks.com/argen.htm']

    def parse(self,response):
        for row in response.xpath("(//div)[position()>5 and position()<last()]//table//tr[not(descendant-or-self::b)]"):
            country=response.xpath("/html/body/div[3]/table//td//font/text()[last()]").getall()
            continent=response.xpath("/html/body/div[3]//a[2]/text()").getall()
            region=response.xpath("/html/body/div[3]//a[3]/text()").getall()
            country_region= row.xpath("td[1]/font/text()").getall()
            media_url= row.xpath("td[2]/font/a/@href").getall()
            media_name = row.xpath("td[2]/font/a/text()").getall()
            media_type = row.xpath("td[3]/font/text()").getall()
            media_focus = row.xpath("td[4]/font/text()").getall()
            language = row.xpath("td[5]/font/text()").getall()
            media_format = row.xpath("td[6]/font/text()").getall()
            list_list=[country_region,media_name,media_url,media_type,media_focus,language,media_format]
            results=[list(row) for row in zip_longest(*list_list,fillvalue='')]
            for country_region,media_format in results:
                item=AbyzItem()
                item['country_region'] = country_region
                item['media_url'] = media_url
                item['media_name'] = media_name
                item['media_type'] = media_type
                item['media_focus'] = media_focus
                item['language'] = language
                item['media_format'] = media_format
                yield item

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


Selenium Web驱动程序和Java。元素在(x,y)点处不可单击。其他元素将获得点击?
Python-如何使用点“。” 访问字典成员?
Java 字符串是不可变的。到底是什么意思?
Java中的“ final”关键字如何工作?(我仍然可以修改对象。)
“loop:”在Java代码中。这是什么,为什么要编译?
java.lang.ClassNotFoundException:sun.jdbc.odbc.JdbcOdbcDriver发生异常。为什么?
这是用Java进行XML解析的最佳库。
Java的PriorityQueue的内置迭代器不会以任何特定顺序遍历数据结构。为什么?
如何在Java中聆听按键时移动图像。
Java“Program to an interface”。这是什么意思?
Java在半透明框架/面板/组件上重新绘画。
Java“ Class.forName()”和“ Class.forName()。newInstance()”之间有什么区别?
在此环境中不提供编译器。也许是在JRE而不是JDK上运行?
Java用相同的方法在一个类中实现两个接口。哪种接口方法被覆盖?
Java 什么是Runtime.getRuntime()。totalMemory()和freeMemory()?
java.library.path中的java.lang.UnsatisfiedLinkError否*****。dll
JavaFX“位置是必需的。” 即使在同一包装中
Java 导入两个具有相同名称的类。怎么处理?
Java 是否应该在HttpServletResponse.getOutputStream()/。getWriter()上调用.close()?
Java RegEx元字符(。)和普通点?