Scrapy抓取网页数据

工具,firefox(推荐好用)


相较于soupbeautifull,scrapy显得优雅又快速,试手如下

from scrapy.spider import Spider
from scrapy.selector import Selector
from health.items import HealthItem
# from health.pipelines import HealthPipeline
import simplejson

class DmozSpider(Spider):
    name = "all"
    allowed_domains = ["xywy.org"]
    start_urls = [
        "http://zzk.xywy.com/",
    ]
   
   
    def parse(self, response):
        filename = response.url.split(".")[-2]
        
        sel = Selector(response)
        sites = sel.xpath('//div[@class="shentih"]')
        results = sites.xpath('./div/div/div/*/*/a[@class="fsize14"]')
        # results = sites.xpath('./div/div/div[@id="AList"]/*/*/a[@class="fsize14"]')
        item = HealthItem()
        
        for site in results:
            for title,link in zip(site.xpath('text()').extract(),site.xpath('@href').extract()):
                item['title'] = title.encode('utf-8')
                item['link'] = link.encode('utf-8')
                
                
            yield item
    


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值