CrawlSpider:
是一个类,Spider的一个子类。专门用作于全站数据爬取。也就是说,我们创建的爬虫文件中,父类是CrawlSpider。
使用方法:
1.创建一个工程
2.cd 到工程目录下
3.创建爬虫文件(CrawlSpider):scrapy genspider -t crawl name ww.xxx.com
4.链接提取器:根据指定的规则(allow:正则表达式)进行指定链接的提取。
5.规则解析器:将链接提取器提取到的链接进行指定规则(callback)的解析操作。follw=True:可以将链接提取器 继续作用到 链接提取器提取到的链接 所对应的页面中。即全站爬取。
解析中:xpath表达式不可以出现tbody标签。
注意:一个链接提取器对应一个规则解析器。这个两个解析方法中是不可以实现请求传参的!方法:将两个解析方法的数据存储到同一个item中,可以以此存储到两个item。
在管道类中要进行item类型的判断。