最近用Scrapy做爬虫的时候碰到数据分布在多个页面，要发去多次请求才能收集到足够的信息，例如列表只有简单的几个信息，更多的信息在内页。查看官方文档没找到相关的案例或说明，这个有点坑。

最后自己查了写资料，研究后一下，终于整出来了。

yield scrapy.Request(item['url'], meta={'item': item}, callback=self.detail_parse)Scrapy 用scrapy.Request发起请求可以带上 meta={'item': item} 把之前已收集到的信息传递到新请求里，在新请求里用 item = response.meta('item') 接受过来，在 item 就可以继续添加新的收集的信息了。

多少级的请求的数据都可以收集。

代码演示如下：

spider.py

# -*- coding: utf-8 -*- import scrapy from Tencent.items import TencentItem

class TencentSpider(scrapy.Spider): # 爬虫名称 name = 'tencent' # 允许爬取的域名 allowed_domains = ['www.xxx.com'] # 爬虫基础地址 用于爬虫域名的拼接 base_url = 'https://www.xxx.com/' # 爬虫入口爬取地址 start_urls = ['https://www.xxx.com/position.php'] # 爬虫爬取页数控制初始值 count = 1 # 爬虫爬取页数 10为只爬取一页 page_end = 1

def parse(self, response):

nodeList = response.xpath("//table[@class='tablelist']/tr[@class='odd'] | //table[@class='tablelist']/tr[@class='even']") for node in nodeList: item = TencentItem()

item['title'] = node.xpath("./td[1]/a/text()").extract()[0] if len(node.xpath("./td[2]/text()")): item['position'] = node.xpath("./td[2]/text()").extract()[0] else: item['position'] = '' item['num'] = node.xpath("./td[3]/text()").extract()[0] item['address'] = node.xpath("./td[4]/text()").extract()[0] item['time'] = node.xpath("./td[5]/text()").extract()[0] item['url'] = self.base_url + node.xpath("./td[1]/a/@href").extract()[0] # 根据内页地址爬取 yield scrapy.Request(item['url'], meta={'item': item}, callback=self.detail_parse)

# 有下级页面爬取 注释掉数据返回 # yield item

# 循环爬取翻页 nextPage = response.xpath("//a[@id='next']/@href").extract()[0] # 爬取页数控制及末页控制 if self.count < self.page_end and nextPage != 'javascript:;': if nextPage is not None: # 爬取页数控制值自增 self.count = self.count + 1 # 翻页请求 yield scrapy.Request(self.base_url + nextPage, callback=self.parse) else: # 爬虫结束 return None

def detail_parse(self, response): # 接收上级已爬取的数据 item = response.meta['item']

#一级内页数据提取 item['zhize'] = response.xpath("//*[@id='position_detail']/div/table/tr[3]/td/ul[1]").xpath('string(.)').extract()[0] item['yaoqiu'] = response.xpath("//*[@id='position_detail']/div/table/tr[4]/td/ul[1]").xpath('string(.)').extract()[0]

# 二级内页地址爬取 yield scrapy.Request(item['url'] + "&123", meta={'item': item}, callback=self.detail_parse2)

# 有下级页面爬取 注释掉数据返回 # return item

def detail_parse2(self, response): # 接收上级已爬取的数据 item = response.meta['item']

# 二级内页数据提取 item['test'] = "111111111111111111"

# 最终返回数据给爬虫引擎 return item
item  结构化数据

# -*- coding: utf-8 -*-

# Define here the models for your scraped items # # See documentation in: # https://doc.scrapy.org/en/latest/topics/items.html

import scrapy

class TencentItem(scrapy.Item): # define the fields for your item here like: # 职位名称 title = scrapy.Field() # 职位类别 position = scrapy.Field() # 招聘人数 num = scrapy.Field() # 工作地点 address = scrapy.Field() # 发布时间 time = scrapy.Field() # 详情链接 url = scrapy.Field() # 工作职责 zhize = scrapy.Field() # 工作要求 yaoqiu = scrapy.Field() # 测试 test = scrapy.Field()