终于学到重头戏了,开始要写爬虫了. 大多数的解释在官方教程上都有.
import scrapy
class DmozSpider(scrapy.spider.Spider):
name = "dmoz"
allowed_domains = ["dmoz.org"]
start_urls = [
"http://www.dmoz.org/Computers/Programming/Languages/Python/Books/",
"http://www.dmoz.org/Computers/Programming/Languages/Python/Resources/"
]
def parse(self, response):
filename = response.url.split("/")[-2]
with open(filename, 'wb') as f:
f.write(response.body)
具体的解析
首先定义了一个类,继承了scrapy.spider.Spider.之后定义了三个类属性关键的部分是在parse函数中,因为parse是一个回调函数,所以会被调用并从外部接收到了response这个参数,之后就是把response.body的内容保存在了这个项目的根目录下response.body中内容是网页源代码.
parse是语法解析的意思,后面的教程会加入正则表达式的内容.