1、创建项目
scrapy startproject 项目
2、进入项目
cd 项目名称
3、创建爬虫
scrapy genspider 名字 域名
4、可能需要修改start_urls,修改成你要抓取的那个页面
5、对数据进行解析,在spaider里面的parse(response)方法中进行解析
def parse(self,response):
response.text 拿页面源代码
response.xpath
response.css
解析数据的时候,需要注意,默认xpath()返回的是Selector对象
想要数据必须使用extract()提取数据
extract()返回列表
extract_first()返回数据
yield 返回数据–》把数据交给pipeline来进行持久存储
6、在pipeline中完成数据存储
class 类名():
def process_item(self,item,spider):
item:数据
spider:爬虫
return item #必须要retyrn东西 否则下一个管道拿不到东西
7、设置settings.py文件将pipeline进行生效设置
ITEM_PIPELINES={
“管道的路径”:优先级,优先级数越小,优先级越高}
8、运行爬虫
scrapy crawl 爬虫的名字