python—scrapy抓取不同页面数据

基本操作:python—scrapy数据解析、存储_郑*杰的博客-CSDN博客

一、爬取不同页面但数据解析相同的数据
当前文件:D:\python_test\scrapyProject\scrapyProject\spiders\first.py

import scrapy
from ..items import ScrapyprojectItem
class FirstSpider(scrapy.Spider):
    name = 'first'
    start_urls = ['https://pic.netb**ian.com/4kmeinv/']
    page_num=2
    def parse(self, response):
        list_li = response.xpath('//*[@id="main"]/div[3]/ul/li')
        for li  in list_li:
            title = li.xpath('.//b/text()').extract_first()
            title_url = 'https://pic.netbian.com/'+li.xpath('.//img/@src').extract_first()
            item = ScrapyprojectItem()
            item['img_url']=title_url
            item['img_title']=title
            yield item

        if self.page_num<4:
            new_url = f'https://pic.netb**ian.com/4kmeinv/index_{self.page_num}.html'
            self.page_num += 1
            # 如果爬取的页面的数据解析是一样的,直接调用回自己即可
            yield scrapy.Request(url=new_url,callback=self.parse)

二、爬取不同页面,且数据解析不同的页面

当前文件:D:\python_test\scrapyProject\scrapyProject\spiders\sec.py

# 爬取不同页面的数据
import scrapy
from ..items import politicsNewest

class FirstSpider(scrapy.Spider):
    name = 'sec'
    start_urls = ['https://wz.sun**0769.com/political/index/politicsNewest']
    page_num=2
    def parse(self, response):
        list_li = response.xpath('/html/body/div[2]/div[3]/ul[2]/li')
        for a  in list_li:
            title = a.xpath('./span[3]/a/text()').extract_first()
            title_url = 'https://wz.sun0769.com/'+a.xpath('./span[3]/a/@href').extract_first()
            item = politicsNewest()
            item['content_title'] = title
            # meta 可以将item对象传给callback
            # 当页面数据解析不同时,再写一个函数进行回调解析即可
            yield scrapy.Request(url=title_url,callback=self.parse_detail,meta={'item':item})
        if self.page_num<3:
            new_url = f'https://wz.sun**0769.com/political/index/politicsNewest?id=1&page={self.page_num}'
            print(new_url)
            self.page_num += 1
            yield scrapy.Request(url=new_url,callback=self.parse)

    def parse_detail(self, response):
        meta = response.meta # 接收上面传过来的meta字典
        item = meta['item']
        content = response.xpath('/html/body/div[3]/div[2]/div[2]/div[2]//text()').extract()
        content = ''.join(content).strip()
        item['content_data'] = content
        yield item

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 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

打赏作者

郑*杰

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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