pythonscrapy——crawlspider&cookie&post发送

本文介绍了使用Python Scrapy框架进行网络爬虫的实战经验,包括利用crawlspider爬取古诗名字,处理没有title的情况,以及如何通过正则表达式优化爬取。还详细讲解了如何进行cookie模拟登录qq空间,通过中间键middlewaves设置cookie,并通过两种方式发送POST请求,以GitHub为例展示了登录过程。
摘要由CSDN通过智能技术生成

pythonscrapy——crawlspider

crawlspider命令——scrapy startproject xxxx,scrapy genspider -t crawl xx xxxxxx

在这里插入图片描述
在这里插入图片描述

爬取古诗名字:

在这里插入图片描述
在这里插入图片描述

将没有title的处理

在这里插入图片描述
在这里插入图片描述

当url的规律适合用正则来爬取的话,用crawlspider会好

详情页的名字在这个:

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

结果:

在这里插入图片描述

不仅爬出来了,也把不用的数据也爬了

在这里插入图片描述

因为他们的url也是这样的

在这里插入图片描述

cookie模拟登录——qq空间

需要在parse之前就把cookie放上去——用中间键middlewaves实现(下载中间键)

方式一:用middlewaves下载中间键

Request()方法参数都可以作为request的设置

在这里插入图片描述

设置代理ip

在这里插入图片描述

cookie设置:

在这里插入图片描述

settings里面的cookie

在这里插入图片描述

用其他方式2:方法重写start_requests

找到网页qq空间中的cookie

在这里插入图片描述

拿到cookie之后,因为两个之间隔着; 所以从这个来进行split()


class QkjSpider(scrapy.Spider):
    name = 'qkj'
    allowed_domains = ['qq.com']
    start_urls = ['https://user.qzone.qq.com/807206781']

    # 携带cookie  可以用下载中间件
    # 携带cookie要重写start_requests()方法
    def start_requests(self):
        cookies = 'pgv_pvid=6875865022; RK=xNAscq/bfR; ptcz=288c7e8814e1499eb6d8741258d952974d9331dff7ecffd1495d1150efae201c; pgv_info=ssid=s8828885120; _qpsvr_localtk=0.3050993
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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