scrapy知识点

extract_first() 会避免 IndexError ，并且在找不到与选择匹配的元素时返回 None

另一件事是调用 .extract() 的结果是一个列表，因为我们处理的是 SelectorList 的一个实例。当您知道你只想要第一个结果，在这种情况下，您可以做：

>>> response.css(‘title::text‘).extract_first()
‘Quotes to Scrape‘
此外，您还可以这样做：

>>> response.css(‘title::text‘)[0].extract()
‘Quotes to Scrape‘

使用 .extract_first() 会避免 IndexError ，并且在找不到与选择匹配的元素时返回 None 。

爬虫出现Forbidden by robots.txt

先说结论，关闭scrapy自带的ROBOTSTXT_OBEY功能，在setting找到这个变量，设置为False即可解决。
使用scrapy爬取淘宝页面的时候，在提交http请求时出现debug信息Forbidden by robots.txt，看来是请求被拒绝了。
这个文件中规定了本站点允许的爬虫机器爬取的范围（比如你不想让百度爬取你的页面，就可以通过robot来限制），因为默认scrapy遵守robot协议，所以会先请求这个文件查看自己的权限，而我们现在访问这个url得到
参考资料：爬虫出现Forbidden by robots.txt

scrapy知识点

原文：https://www.cnblogs.com/ministep/p/14589521.html