(转)scrapy工程步骤

第一步:创建项目

scrapy startproject project_name

 

第二步:scrapy项目的文件结构

scrapy.cfg:项目的配置文件

items.py:项目中的 item 文件

pipelines.py:项目中的 pipelines 文件

settings.py:项目的设置文件

spiders/:放置 spider 代码的文件夹

 

第三步:定义 Item

Item 是保存爬取到的数据的容器;其使用方法和 Python 字典类似,并且提供了额外保护机制来避免拼写错误导致的未定义字段错误。

例:

title = scrapy.Field() # 电影名字

movieInfo = scrapy.Field() # 电影的描述信息,包括导演、主演、电影类型等等

star = scrapy.Field() # 电影评分

quote = scrapy.Field() # 电影中最经典或者说脍炙人口的一句话

 

第四步:编写类 并引入一些包, 设置项目为当前根目录, 右击文件夹,make directory as

import scrapy

from scrapy.spiders import CrawlSpider

from scrapy.http import Request

from scrapy.selector import Selector

from chuchutong.items import ChuchutongItem

 

第五步:分析循环列表(如果是循环爬取一些信息,则分析html结构,得到循环部分,开始遍历。Xpath)

class Chuchutong(CrawlSpider):

name = 'chuchutong'

start_urls = ['https://m.chuchutong.com/']

def parse(self, response):

selector = Selector(response)

#Movies = selector.xpath('//*[@id="dayBQ"]')

Movies = selector.xpath('//*[@id="dayBQ"]')

#print ('------------')

#print(Movies)

#exit()

for eachMovie in Movies:

item = ChuchutongItem()

#biaoti = eachMovie.xpath('div[@class="hd"]/a/span/text()').extract()

biaoti = eachMovie.xpath('//*[@id="dayBQ"]/li[1]/section/h2/text()').extract()

print ('-------------------------------------->>>>>>>>>>>>>>')

print(biaoti)

 

 

完整代码

# -*- coding:utf-8 -*-
import scrapy
from scrapy.spiders import  CrawlSpider
from scrapy.http import Request
from scrapy.selector import Selector
from doubanmovie.items import DoubanmovieItem

class Douban(CrawlSpider):
    name = 'douban'
    start_urls = ['http://movie.douban.com/top250']

    def parse(self, response):
        selector = Selector(response)
        Movies = selector.xpath('//div[@class="info"]')
        for eachMovie in Movies:
            item = DoubanmovieItem()
            title = eachMovie.xpath('div[@class="hd"]/a/span/text()').extract()
            fullTitle = ''
            for each in title:
                fullTitle += each
            movieInfo = eachMovie.xpath('div[@class="bd"]/p/text()').extract()
            star = eachMovie.xpath('div[@class="bd"]/div[@class="star"]/span/text()').extract()[0]
            critical = eachMovie.xpath('div[@class="bd"]/div[@class="star"]/span/text()').extract()[1]
            quote = eachMovie.xpath('div[@class="bd"]/p[@class="quote"]/span/text()').extract()
            #quote可能为空,因此需要先进行判断
            if quote:
                quote = quote[0]
            else:
                quote = ''
            item['title'] =fullTitle
            item['movieInfo'] = ';'.join(movieInfo)
            item['star'] = star
            item['critical'] = critical
            item['quote'] = quote
            yield item   #提交生成csv文件
        nextLink = selector.xpath('//span[@class="next"]/link/@href').extract()
        #第10页是最后一页,没有下一页的链接
        if nextLink:
            nextLink = nextLink[0]
            url = "https://movie.douban.com/top250" + nextLink
            yield scrapy.Request(url=url,callback=self.parse,dont_filter=True)



 

  • 0
    点赞
  • 1
    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