Python3 Scrapy框架学习二:爬取豆瓣电影Top250

打开项目里的items.py文件,定义如下变量,

import scrapy
from scrapy import Item,Field


class DoubanItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    movie = Field()
    year = Field()
    star = Field()
    vote = Field()
    quote = Field()

然后打开项目里的spiders文件夹内的doubanTop250.py文件。

# -*- coding: utf-8 -*-
import scrapy
from douban.items import DoubanItem


class Doubantop250Spider(scrapy.Spider):
    name = 'doubanTop250'
    #allowed_domains = ['movie.douban.com/top250/']    这里需要修改下,涉及爬取下一页的关键
    allowed_domains = ['movie.douban.com']    
    start_urls = ['http://movie.douban.com/top250/']

    def parse(self, response):
        infos = response.css('.info')
        for info in infos:
            item = DoubanItem()
            item['movie'] = info.css('.title::text').extract_first().strip()
            item['year'] = info.css('div p[class = ""]::text').re_first('\d+') #正则的用法
            item['vote'] = info.css('.rating_num::text').extract_first().strip()
            item['star'] = info.css('.star span::text').extract()[-1].strip() #获取最后一项
            item['quote'] = info.css('.inq::text').extract_first().strip()
            yield item

        next = response.css('.next a::attr("href")').extract_first()  #查找下一页的链接
        url = response.urljoin(next)
        yield scrapy.Request(url = url,callback = self.parse)    #解析下一页

打开settings.py文件,加入如下两行代码:

USER_AGENT = 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'
FEED_EXPORT_ENCODING = 'gbk'

然后在命令提示符输入:

scrapy crawl doubanTop250 -o douban.csv

爬取结束后会生成一个csv文件,效果图如下:

 

  • 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