爬取房天下网站,爬取的内容:
区域、小区名、总价、房型、面积、单价、朝向、楼层位置、装修情况、建筑时间、是否有电梯、产权类型、住宅类型、发布日期
信息保存:保存在csv中
数据结果:
1、先建立爬虫项目
1)进入目标目录:cd 目标目录
2)建立项目:scrapy startproject 爬虫项目名称
3)进入爬虫项目目录,cd 爬虫项目所在的文件夹
4)建立爬虫:scrapy genspider 爬虫名称 网址
具体可参考豆瓣的爬虫博文。
2、编写爬虫程序
有五个注意和修改的地方:
1)编写spider程序,我的案例是spider的price.py的文件中
2)修改items.py
3)修改pipeline.py,并需要在settings.py中导入
4)编写运行爬虫的程序,我的是runspider.py
5)对应的修改settings.py:pipline类、设置DEPTH_LIMIT
完整的项目目录如下: