对于爬虫工作者来说，如果我们爬虫想多爬取一些网页，不仅仅只是爬取主页，相把其他页面也爬取下来，这就是本文的任务。 修改代码 在之前的基础上，修改 teamssix_blog_spider.py 文件
对于爬虫工作者来说，如果我们爬虫想多爬取一些网页，不仅仅只是爬取主页，相把其他页面也爬取下来，这就是本文的任务。
修改代码
在之前的基础上，修改 teamssix_blog_spider.py 文件，首先添加 start_urls
start_urls = [ 'https://www.teamssix.com', 'https://www.teamssix.com/page/2/', 'https://www.teamssix.com/page/3/', 'https://www.teamssix.com/page/4/', 'https://www.teamssix.com/page/5/']
接下来在 sub_article 函数尾部添加 parse 函数的全部代码
soup = BeautifulSoup(response.text, 'html.parser')for i in soup.select('.post-title'): url = 'https://www.teamssix.com{}'.format(i['href']) yield scrapy.Request(url, callback=self.sub_article)
所以 sub_article 函数的完整代码就是这个样子：
def sub_article(self,response): soup = BeautifulSoup(response.text,'html.parser') title = self.article_title(soup) list = self.article_list(soup) print(title) item = TeamssixItem(_id = response.url,title = title,list = list) yield item soup = BeautifulSoup(response.text, 'html.parser') for i in soup.select('.post-title'): url = 'https://www.teamssix.com{}'.format(i['href']) yield scrapy.Request(url, callback=self.sub_article)
从最后一行 callback=self.sub_article 这里不难看出这里其实就是一个循环， sub_article 函数第一遍执行完，又会调用继续执行第二遍，直到 start_urls 被执行完。
运行
代码修改的就这些，接下来直接 scrapy crawl blogurl 运行代码，来到 robo 3T 看看爬取到的数据。