PyCharm需要的前提:
1.首先你要有个pycharm这个软件,其次你要在pycharm上安装scrapy包 和 python 包
Scrapy 项目书写:
1.创建你的scrapy 项目 在pycharm的Terminal 界面输入 scrapy startproject 项目名称
2.进入你的项目 cd 项目名称! 创建爬虫 scrapy genspider 爬虫名字 域名
3.这样就形成了下面的scrapy项目结构
>scrapy startproject guazi
>cd guazi
>scrapy genspider ErCar
其中各个文件有每个文件的作用 settings.py 设置你的各种需求中间键什么的
item.py 是写你的需要爬取的各个参数
middlewares.py 是写你的中间键
pipelines.py 获取的数据的存储形式
ErCar.py 写你的爬虫! nice !
开始搞我们的爬虫吧!
首先是item.py 我爬取得是瓜子 就是获取 名称 网络地址 基础基本展示信息 价格
接下来就写爬虫吧!Y_Y!
from guazi.item import GuaziItem
# 获取内容
def parse(self, response):
item = GuaziItem()
uls = response.css('ul.carlist.clearfix.js-top')
try:
for li in uls[0].css('li'):
# 获取车名字
item['CarInformation'] = li.css('h2::text').extract()[0].replace(' ','-')
item['CarUrl'] ="https://www.guazi.com"+li.css('a::attr(href)').extract()[0]
item['CarData'] = '-'.join(li.css('div[class=t-i]::text').extract())
item['CarPrice'] = li.css('p::text').extract()[0]
yield item
except IndexError as IE:
# 如果获取失败 在爬取一次
yield scrapy.Request(response.url, callback=self.parse)
接下来写 pipelines.py
class GuaziPipeline(object):
def __init__(self):
# 存入yyy.json 文件中
self.filename = open('yyy.json','ab+')
def process_item(self, item, spider):
# 获取的数据转换成字典写入
text = json.dumps(dict(item),ensure_ascii=False) + ';\n'
self.filename.write(text.encode('utf-8'))
return item
def close_spider(self,spider):
self.filename.close()
可能这样的话 就可以去开启爬虫啦
>scrapy crawl ErCar
2019-01-08 17:15:02 [scrapy.utils.log] INFO: Scrapy 1.5.0 started (bot: guazi)
....
2019-01-08 17:15:02 [ErCar] INFO: Spider opened: ErCar
2019-01-08 17:15:02 [ErCar] INFO: Spider opened: ErCar
....
已经在运行啦!这样会文件夹中形成一个json 文件
{"CarInformation": "比亚迪-2017款-2.0T-唐100", "CarUrl": "https://www.guazi.com/qd/d7c25e234cc85f96x.htm#fr_page=list&fr_pos=city&fr_no=0", "CarData": "2018年-0.3万公里-店内直卖", "CarPrice": "19.07"};
{"CarInformation": "Jeep-大切诺基-2012款-3.6L-周年导航版(进口)", "CarUrl": "https://www.guazi.com/wh/fc4da853b7f5d914x.htm#fr_page=list&fr_pos=city&fr_no=1", "CarData": "2013年-7.6万公里-店内直卖", "CarPrice": "21.27"};
....
很棒! 如果瓜子是静态网页的话!
实际并不是这样 瓜子的数据是js动态加载的 所以去寻找 scrapy_splash 吧
scrapy_splash 就是为了解决scrapy 能爬取动态数据的包!
然而scrapy_splash的安装也不是那么一番风顺的!
要是有兴趣请点击 !>_<!! https://blog.csdn.net/qq_41412011/article/details/86086656