scrapy应用
一、Scrapy框架的应用步骤
1、创建工程:scrapy startproject 工程名称
2、创建爬虫:scrapy genspider 文件名称xxxspider 网址
二、开发
1、items.py 确定数据采集的属性—采集项
变量名 = scrapy.Field()
title = scrapy.Field()
rank = scrapy.Field()
…
2、spider爬虫程序
确定爬取的网页 start_urls = [‘xxxxxxx’]
完善parse方法使用for循环item标签
在循环体中创建并封装数据对象(XPath解析数据)
yield 类对象 将获的对象装载到列表中
3、设置数据处理(pipelines.py)
在屏幕输出……
4、在settings.py中设置pipelines输出项
ITEM_PIPELINES = {
项目名称.文件名称.类名称:数据处理级别(处理顺序)
‘doubanMovie.piplinestxt.DoubanmoviePipeline’:1,
‘doubanMovie.piplinesjson.DoubanmoviePipeline’:2,
‘doubanMovie.piplinesexcel.DoubanmoviePipeline’:3,
‘doubanMovie.piplinesmysql.DoubanmoviePipeline’:4
}
5、添加自动轮询动态代理并在settings.py中设置
DOWNLOADER_MIDDLEWARES = {
‘scrapy.contrib.downloadermiddleware.useragent.UserAgentMiddleware’ : None,
‘项目名称.rotate_useragent.RotateUserAgentMiddleware’ :400
}
6、启动项目 scrapy crawl moviespider(爬虫名称)
运行时出现没有win32模块,下载它
https://movie.douban.com/top250
下载 win32模块
pip install pypiwin32