scrapy crawlspider异步爬取简书网文章并存入MySQL中

今天写个爬虫爬取简书网上的文章,简书网也是厉害,大部分都是ajax的,连‘阅读更多‘也是ajax的,我本来想用selenium的,结果连个点击的地方也没有,也是幸好每个详情页面下面有一些不是ajax的文章,才能爬到文章
spider.py

from scrapy.linkextractors import LinkExtractor
from scrapy.spiders import CrawlSpider, Rule
from js.items import JsItem


class JsSpiderSpider(CrawlSpider):
    name = 'js_spider'
    allowed_domains = ['jianshu.com']
    start_urls = ['http://www.jianshu.com/']
    
#这个follow要写true,不然众多只能爬到首页的一点文章,写true能爬到详情页面的推荐阅读
    rules = (
        Rule(LinkExtractor(allow=r'.+www.jianshu.com/p/.+'), callback='parse_item', follow=True),
    )

    def parse_item(self, response):
        print(response.url)
        div = response.xpath("//div[@class='article']")
        title = div.xpath(".//h1[@class='title']/text()"
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 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
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