时间:2021-05-22
scrapy是目前python使用的最广泛的爬虫框架
架构图如下
解释:
一。安装
pip install Twisted.whl
pip install Scrapy
Twisted的版本要与安装的python对应,https://jingyan.baidu.com/article/1709ad8027be404634c4f0e8.html
二。代码
本实例采用xpaths解析页面数据
按住shift-右键-在此处打开命令窗口
输入scrapy startproject qiushibaike 创建项目
输入scrapy genspiderqiushibaike 创建爬虫
1>结构
2>qiushibaike.py爬虫文件
import scrapyfrom scrapy.linkextractors import LinkExtractorfrom scrapy.spiders.crawl import Rule, CrawlSpiderclass BaiduSpider(CrawlSpider): name = 'qiushibaike' allowed_domains = ['qiushibaike.com'] start_urls = ['https:///text/']#启始页面# rules= ( Rule(LinkExtractor(restrict_xpaths=r'//a[@class="contentHerf"]'),callback='parse_item',follow=True), Rule(LinkExtractor(restrict_xpaths=r'//ul[@class="pagination"]/li/a'),follow=True) ) def parse_item(self, response): title=response.xpath('//h1[@class="article-title"]/text()').extract_first().strip() #标题 time=response.xpath(' //span[@class="stats-time"]/text()').extract_first().strip() #发布时间 content=response.xpath('//div[@class="content"]/text()').extract_first().replace(' ','\n') #内容 score=response.xpath('//i[@class="number"]/text()').extract_first().strip() #好笑数 yield({"title":title,"content":content,"time":time,"score":score});3>pipelines.py 数据管道[code]class QiushibaikePipeline:
4>settings.py
开启ZhonghengPipeline
ITEM_PIPELINES = { 'qiushibaike.pipelines.QiushibaikePipeline': 300,}5>0main.py运行
from scrapy.cmdline import executeexecute('scrapy crawl qiushibaike'.split())6>结果:
生成xiaohua.txt,里面有下载的笑话文字
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文实例讲述了Python实现的爬取小说爬虫功能。分享给大家供大家参考,具体如下:想把顶点小说网上的一篇持续更新的小说下下来,就写了一个简单的爬虫,可以爬取爬取
本文实例讲述了Python利用Scrapy框架爬取豆瓣电影。分享给大家供大家参考,具体如下:1、概念Scrapy是一个为了爬取网站数据,提取结构性数据而编写的应
前言之前的一篇文章已经讲过怎样获取链接,怎样获得参数了,详情请看python爬取京东商城普通篇,本文将详细介绍利用python爬虫框架scrapy如何爬取京东商
运行平台:WindowsPython版本:Python3.xIDE:Sublimetext3一、Scrapy简介Scrapy是一个为了爬取网站数据提取结构性数据
本节课介绍了scrapy的爬虫框架,重点说了scrapy组件spider。spider的几种爬取方式:爬取1页内容按照给定列表拼出链接爬取多页找到‘下一页'标签