爬虫部分
书接上回,我们讲到,要用elasticsearch来存储信息,那么我们首先就得安装elasticsearch。这里就不介绍了,默认已经装好elasticsearch,那我们就正式开始写爬虫了。
1. Scrapy创建爬虫项目
(baidunewsspider) C:\Users\LiTangMM\PycharmProjects>scrapy startproject baiduNewsSpider
(baidunewsspider) C:\Users\LiTangMM\PycharmProjects\baiduNewsSpider>scrapy genspider newsbaidu http://ne
ws.baidu.com/
终端显示如上就说明爬虫已经创建好了。
项目长这样。
2. 爬取新闻链接
2.1 定义字段
我们首先得告诉scrapy,我们要哪些数据,编辑baiduNewsSpider/items.py 文件:
# -*- coding: utf-8 -*-
# Define here the models for your scraped items
#
# See documentation in:
# https://doc.scrapy.org/en/latest/topics/items.html
import scrapy
class BaidunewsspiderItem(scrapy.Item):
# define the fields for your item here like:
# name = scrapy.Field()
news_url = scrapy.Fileld() # 新闻链接
pass
pass 可以只是为了代码块完整性才加的,可以删除。
2.2 实现newsbaidu.py
OK!下面就是爬取了,修改baiduNewsSpider/spiders/newsbaidu.py文件
# -*- coding: utf-8 -*-
import scrapy
impor