首先,我们需要先了解一下scrapy。
scrapy是什么?是一个非常强大的python爬虫框架,底层语言使用python实现。既然是框架,肯定已经实现了很多其他的功能,用户只需要将自己的精力放到自己的业务逻辑中即可。多进程、多线程、队列、去重
安装:pip install scrapy
scrapy的工作原理
引擎(engine)、爬虫(spiders)、调度器(scheduler)、下载器(downloader)、管道(pipeline)
使用:
(1)创建工程
scrapy startproject xxx
(2)认识目录结构
firstbloodpro 工程目录
firstbloodpro 工程核心目录
pycache 缓存文件
spiders 爬虫部分
pycache 缓存文件
init.py 包的标记
lala.py 爬虫文件(*)
init.py 包的标记
items.py 定义数据结构的地方(*)
middlewares.py 中间件(*)
pipelines.py 管道(*)
settings.py 爬虫配置文件(*)
scrapy.cfg 工程的配置文件(一般不用)
(3)生成爬虫文件
cd firstbloodpro
scrapy genspider 爬虫名字 网站域名
注释:创建工程的目录最好是非中文地址,因为中文地址可能出现意想不到的错误。