scrapy爬虫(五)--使用crawl模板进行全站爬取

  1. 创建项目前文已经有了,不在赘述,在生成模板时指定crawl模板(以爬取拉钩为例):scrapy gendpider -t crawl lagou www.lagou.com,生成如下模板
    在这里插入图片描述
    在rules中创建Rule对象,明确url的提取规则,即哪些是详情页的url,哪些页面中存在详情页url,如首先爬虫会调用start_requests方法访问主页(start_requests方法是继承自scrapy.Spider,因为LagouSpider继承CrawlSpider,而CrawlSpider继承了scrapy.Spider),根据Rule中的allow规则提取相应的url,然后再调用start_requests访问该url,如果Rule中传递了callback参数(提取详情页的方法:如图中的parse_item方法),则调用该方法并将response传递该方法,如果没有传递则调用继承自CrawlSpider的parse方法并将response传给parse方法
    通过分析拉钩网可以知道,在首页、招聘页、公司也都存在详情页的url
    在这里插入图片描述
  • 0
    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