scrapy 简单使用

1.创建工程

scrapy startproject csdnProject

2.创建spider

进入创建的工程目录下:

cd csdnProject

根据基础模块创建spider

scrapy genspider -t basic csdnSpider csdn.net

3.编写spider

# -*- coding: utf-8 -*-
import scrapy
from scrapy.http import Request
from csdnProject.items import CsdnprojectItem


class CsdnspiderSpider(scrapy.Spider):
	# 定义变量
    name = 'csdn'
    allowed_domains = ['blog.csdn.net']
    headers = {
        "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36"
    }
	
	# 开始爬取列表页
    def start_requests(self):
        for page_num in range(1, 7, 1):
            url = 'http://blog.csdn.net/jeikerxiao/article/list/' + str(page_num)
            yield Request(url, headers=self.headers, callback=self.parse)

	# 解析列表页
	# 爬取从列表页中获取的内容页
    def parse(self, response):
        title_items = response.xpath("//div[@id='article_list']//span[@class='link_title']")
        for title_item in title_items:
            # item['title'] = title_item.xpath("./a/text()").extract()[0]
            extend_url = title_item.xpath("./a/@href").extract()[0]
            base_url = "http://blog.csdn.net"
            content_url = base_url + extend_url
            yield Request(content_url, headers=self.headers, callback=self.content_parse)

    # 解析内容页
    def content_parse(self, response):
        item = CsdnprojectItem()
        # 解析标题信息
        title_str = response.xpath("//div[@class='article_title']/h1/span[@class='link_title']/a/text()").extract()[0]
        # 删除标题字符串中的 空格 和 换行符
        item['title'] = title_str.replace('\r\n', '').replace(' ', '')
        yield item

4.编写item

# -*- coding: utf-8 -*-

import scrapy


class CsdnprojectItem(scrapy.Item):
	# 标题和连接
    title = scrapy.Field()
    url = scrapy.Field()

5.运行

查看蜘蛛列表

scrapy list

运行蜘蛛

scrapy crawl csdn
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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