1.什么是spiderflow?
spider-flow 是一个爬虫平台,以图形化方式定义爬虫流程,无需代码即可实现一个爬虫,也可进行二次开发。
我参考文档和官方demo,配置了一个爬取成都最新二手房价的一只爬虫,具体成果如下,输出的结果可直接插入数据库,或者直接导出成csv文件用Exel表格解析打开。
2.平台操纵必备基础
首先拉取代码到本地,配置好数据源,然后跑起来
https://gitee.com/sssss-teasssm/spider-flow.git
然后访问自己本地服务:
http://localhost:8088/
如果你是部署在服务器,localhost改成你的服务器ip,且保证服务器开放了该端口
进入主页面
结点图标介绍我就不搬了,查阅下面官方文档
3.实践
我之前没玩过爬虫,对页面标签不是很懂,调试挺累的,下面我以我写的爬虫为例子,出一个图文教程。
step1:
首先,选中一枚受害者 https://cd.lianjia.com/ershoufang/,
PS:直接筛选好你需要的房源,然后搜索一下,生成带参数的分页链接,只爬你需要的部分!
step2:
定义爬虫
step3:
实地考查页面,筛选自己需要的信息,定义变量来封装它们
step4:
翻页逻辑
step5:
经过第四步,我们已经往 roomList 里存了25页的数据了,所以现在,我们要循环遍历它
step6:
定义参数,用于输出,我以房源标题(roomTitle)为例, 通过刚刚的房源集合参数roomList,搭配下标参数index 组成 -> roomList[index],就能获取单条数据的详情,然后在这条内容里,选中那个a标签,就能得到值了,其他参数大同小异。具体语法,参考官方文档。
step7:
输出刚刚定义的参数
step8:
出货
4.总结
这个框架的说明文档,对于0基础爬虫玩家来说,并不很容易懂,我是模仿demo,不停调试,才成功的。因为没有找到合适的文档,所以详细记录下来,给大家个参考,如果觉得有帮助,不妨点个赞哦,资料仅供学习参考,别把自己爬进去了哈。