python开发爬虫实例代码

本文介绍Python爬虫的开发过程,重点讲解如何创建`duobao_spider`包以及设计和实现调度模块,帮助读者理解爬虫的工作流程。
摘要由CSDN通过智能技术生成

1.创建baike_spider包

2.创建调度模块:

#coding:utf8

from baike_spider import url_manager, html_downloader, html_parser,\
    html_outputer
class SpiderMain(object):
    def __init__(self):
        self.urls = url_manager.UrlManager()
        self.downloader = html_downloader.HtmlDownloader()
        self.parser = html_parser.HtmlParser()
        self.outputer = html_outputer.HtmlOutputer()
        
    def craw(self,root_url):
        count = 1
        self.urls.add_new_url(root_url)
        while self.urls.has_new_url():
            try:
                new_url = self.urls.get_new_url()
                print 'craw %d : %s' % (count,new_url)
                new_cont = self.downloader.download(new_url)
                new_urls,new_data = self.parser.parse(new_url,new_cont)
                self.urls.add_new_urls(new_urls)
                self.outputer.collect_data(new_data)
                
 
  • 0
    点赞
  • 3
    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