这几天折腾了一个分布式爬虫,我自己也是刚开始学,查了很多资料,现在终于可以动了,我觉得应该发文纪念一下,也是一个总结.
scrapy是一个python的爬虫框架,可以让你很快的开发出一个爬虫,首先假定你已经安装了python, 你还需要安装一下scrapy,可以用pip来安装:
1. install Python-pip: sudo apt-get install python-pip
2. install scrapy: sudo pip install scrapy
OK, 我们现在就用scrapy来创建一个爬虫:
$ scrapy startproject myFirstCrawler
上面我们就创建了一个基本的爬虫结构,默认情况下是没有爬虫那个文件的,只有一些其他的配套的文件如下:
$ tree
.
├── myFirstCrawler
│ ├── __init__.py
│ ├── items.py
│ ├── pipelines.py
│ ├── settings.py
│ └── spiders
│ └── __init__.py
└── scrapy.cfg
根据创建时的提示,我们可以让scrapy为我们提供一个模板spider:
$ cd myFirstCrawler
$ scrapy genspidermySpider example.com
下面我们就有了一个scrapy框架的完整结构
$ tree