python-scrapy

scrapy框架使用

安装

使用

  1. 示例代码:https://github.com/Carty090616/python.git[https://github.com/Carty090616/python.git]

  2. 创建项目

scrapy startproject csdn
  1. 创建爬虫,进入项目目录执行
scrapy genspider csdn_spider csdn.net
  1. 编辑item.py文件,添加需要获取的字段属性
import scrapy

class CsdnItem(scrapy.Item):
    # define the fields for your item here like:
    title = scrapy.Field()
    href = scrapy.Field()
  1. 编辑爬虫文件csdn_spider.py
import scrapy

from csdn.items import CsdnItem

class CsdnSpiderSpider(scrapy.Spider):
    # 爬虫名字
    name = 'csdn_spider'
    # 允许域
    allowed_domains = ['csdn.net']
    # 爬取的网址
    start_urls = ['http://blog.csdn.net/nav/news']

    def parse(self, response):
        # 先获取页面中class="list_con"的div标签,在获取class="title oneline"的子div标签
        body = response.xpath('//div[@class="list_con"]//div[@class="title oneline"]')
        for value in body:
            item = CsdnItem()
            try:
                item['title'] = value.xpath('./h2/a/text()')[0].extract().strip()
                item['href'] = value.xpath('./h2/a/@href')[0].extract()
            except Exception as e:
                print(e)
            else:
                print(item['title'] + ':' + item['href'])
            yield item
  1. 保存爬取的内容,编辑setting.py文件

取消注释:

# Configure item pipelines
# See https://doc.scrapy.org/en/latest/topics/item-pipeline.html
#ITEM_PIPELINES = {
#    'csdn.pipelines.CsdnPipeline': 300,
#}

变成:

# Configure item pipelines
# See https://doc.scrapy.org/en/latest/topics/item-pipeline.html
ITEM_PIPELINES = {
   'csdn.pipelines.CsdnPipeline': 300,
}

之后编辑pipelines.py文件

class CsdnPipeline(object):
    def process_item(self, item, spider):
        with open('csdn.txt', 'a') as fp:
            fp.write('{0} {1}\n'.format(item['title'], item['href']))
  1. 添加启动脚本

新建main.py

from scrapy.cmdline import execute

# 启动debug模式
execute('scrapy crawl csdn_spider --nolog'.split())
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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