爬虫的框架:
scrap :
1.
An open source and collaborative framework for extracting the data you need from websites.
In a fast, simple, yet extensible way.
1.开源的爬虫框架
2.快速、简单、高效的方式
2.安装部署
3.基本使用
1.创建一个项目
scrapy startproject test_scrapy
1.项目目录:
1.scrapy.cfg 【项目的配置文件】
2.settings.py 【项目的配置文件】
3. spiders/ 【防止 爬虫代码的目录】
2.编写爬虫代码
1.创建一个 爬虫代码
scrapy genspider [options] <name> <domain>
scrapy genspider python01 www.xxx.com
'''
name:
1.不能重复
2.爬虫文件的名字
'''
name = 'python01'
'''
scrapy 允许爬取的 url
'''
allowed_domains = ['www.baidu.com']
'''
scrapy 去爬取的 url 列表
'''
start_urls = ['http://www.baidu.com/','https://www.sougou.com']
3.启动爬虫项目
1.启动命令
scrapy runspider [options] <spider_file>
scrapy runspider ./test_scrapy/spiders/python01.py
scrapy crawl python01
scrapy crawl python01 --nolog 【使用命令 不显示日志信息】
2.数据解析:
1.标签定位:
返回 selector(xpath,data[xpath表达式 结果])
2.数据解析
返回 selector(xpath,data[xpath表达式 结果])
3.取值
.get()
.getall()
3.存储数据【持久化数据】
scrapy crawl python01 -o ./sanguo.txt 【不支持txt格式】