scrapy爬虫之前程无忧示例
- 安装scrapy
具体教程请参考以下文章:
https://blog.csdn.net/j_l_sheng/article/details/106104208
-
在cmd中键入scrapy,如下图
-
进入目标目录,新建一个工程文件夹,输入命令:scrapy startproject 项目名
-
进入刚刚建立好的项目文件夹
-
创建爬虫,输入命令:scrapy genspider 爬虫名 域名
于是就创建了一个:爬虫名.py文件,如下图
-
在IDE环境中打开该文件,如下图所示
-
用目标网址覆盖源代码(此处需要用整个网址),修改后代码如下图所示
爬取第一页到第2000页的数据的url代码如下:
start_urls = [f'https://search.51job.com/list/000000,000000,0000,00,9,99,%2B,2,{page}.html?lang=c&postchannel=0000&workyear=99&cotype=99°reefrom=99&jobterm=99&companysize=99&ord_field=0&dibiaoid=0&line=&welfare='for page in range(1,2001)]
-
分离出详情页的网址
-
通过分析详情页的源码写出爬代码
-
以字典的形式输出
-
打印爬取结果
结果如下图所示: