scrapy框架 简书首页爬虫


这是item.py
import scrapy

class JianshuItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    title = scrapy.Field()
    name = scrapy.Field()
    time = scrapy.Field()
    abstract = scrapy.Field()

这是主文件
import scrapy, sys
from..items import JianshuItem
class JianshushuSpider(scrapy.Spider):
    name = 'jianshushu'
    allowed_domains = ['jianshu.com']
    start_urls = ['http://jianshu.com/']

    def parse(self, response):
        item = JianshuItem()
        ul = response.xpath('//ul[@class="note-list"]/li[@class="have-img"]')
        for i in ul:
            item['title'] = i.xpath('.//a[@class="title"]/text()').extract()[0]
            item['name'] = i.xpath('.//a[@class="nickname"]/text()').extract()[0]
            item['abstract'] = i.xpath('.//p[@class="abstract"]/text()').extract()[0]
            item['time'] = i.xpath('.//span[@class="time"]/@data-shared-at').extract()[0]
            yield item
settings.py 记得加两句
DEFAULT_REQUEST_HEADERS = {
    'accept-language': 'zh-CN,zh;q=0.8',
    'user-agent': 'Mozilla/5.0 (Windows NT 6.3)'
}

FEED_EXPORT_ENCODING = 'utf-8' # 方便json写出

最后 

-o表示文件写入目录 -t 表示格式,执行完后打开test.json 如图:

scrapy crawl jianshu -o test.json -t json
  • 1
    点赞
  • 0
    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