Piszę robota, aby uzyskać nazwy przedmiotów ze strony internetowej. Witryna ma 25 elementów na stronie i wiele stron (200 dla niektórych typów elementów).

Oto kod:

from scrapy.contrib.spiders import CrawlSpider, Rule
from scrapy.selector import HtmlXPathSelector
from scrapy.contrib.linkextractors.sgml import SgmlLinkExtractor
from lonelyplanet.items import LonelyplanetItem

class LonelyplanetSpider(CrawlSpider):
    name = "lonelyplanetItemName_spider"
    allowed_domains = ["lonelyplanet.com"]
    def start_requests(self):
        for i in xrange(8):
            yield self.make_requests_from_url("http://www.lonelyplanet.com/europe/sights?page=%d" % i)

def parse(self, response):
    hxs = HtmlXPathSelector(response)
    sites = hxs.select('//h2')
    items = []
    for site in sites:
        item = LonelyplanetItem()
        item['name'] = site.select('a[@class="targetUrl"]/text()').extract()
        items.append(item)
    return items

Po uruchomieniu przeszukiwacza i zapisaniu danych w formacie csv dane nie są przechowywane w porządku, tj. - dane strony 2 są przechowywane przed zapisaniem strony 1 lub 3 przed stroną 2 i podobnie. Czasami, zanim wszystkie dane danej strony zostaną zapisane, pojawią się dane innej strony, a pozostałe dane poprzedniej strony zostaną ponownie zapisane.