新建项目
scrapy startproject one_scrapy
scrapy genspider -l #查看爬虫模板
scrapy genspider -t basic one_spider www.jobbole.com#以basic为模板新建job爬虫
项目目录结构
编辑爬虫文件
items.py
items.py 中定义了储存数据的字段名,在编辑此文件前需先分析要提取那些信息,定义好名称即可。
JobSpider.py
此文件是整个爬虫的发起点,启动爬虫时会从此文件中的start_urls里的url地址开始爬,中间经过了 爬虫》引擎》调度器》下载器》引擎》爬虫,此时会返回一个response即为start_urls对应的网页文件,在此爬虫文件里还有一个parse函数,带有response这个参数,专门用来解析返回文件的处理,解析后的结果经提取处理后可存放到items.py定义的字段里(需要引入items.py中相应的类实例),如果要想将数据转存到数据库或其他格式,只需将item放出 (yield i