在pycharm中利用python实现scrapy爬虫。以例子来记忆最好懂,我也只是把老师写好的步骤自己执行,做出结果。写在这里方便以后自己查看,希望能够对你们有所帮助
目标内容
1.内容:爬取传智播客C/C++讲师的姓名、职称以及个人简介。
2.目标网址:http://www.itcast.cn/channel/teacher.shtml
3.使用scrapy框架实现爬虫,运用xpath解析方式
步骤
1.创建scrapy项目工程
(1)下载scrapy,在file–>setting–>project:(自己的项目名称)–>Python Interpreter点击右边加号,在搜索框中输入scrapy,下载自己需要的版本即可
在pycharm界面中打开view–>Tool Windows–>Terminal(也可以直接在界面的最下面直接点击terminal)输入scrapy检验scrapy是否安装成功
(2)创建scrapy项目工程
在terminal中输入:
startproject + 自定义的项目名称
#scrapy startproject+自定义的项目名称
scrapy startproject ITcast
成功创建项目目录为:
文件说明:
scrapy.cfg
项目的配置信息,主要为Scrapy命令行工具提供一个基础的配置信息。(真正爬虫相关的配置信息在settings.py文件中)
items.py:设置数据存储模板,用于结构化数据,如:Django的Model
pipelines.py:数据处理行为,如:一般结构化的数据持久化
settings.py:配置文件,如:递归的层数、并发数,延迟下载等
spiders:爬虫目录,如:创建文件,编写爬虫规则
(3)创建写爬虫的文件
#scrapy genspider +名称 + ‘网站’
#建立爬虫文件
scrapy genspider itcast "itcast.cn"
结果为:
2、解析网页
观察网页,通过浏览器得出他们是这样子的结构,并且我们运用强大的xpath解析方式解析
3、编写代码
需要编写四个相关联的文件:itcast.py、items.py、settings.py、pipelines.py (管道文件)
(1) itcast.py
# -*- coding: utf-8
-*-
import scrapy
#导入容器
from ITcast.items
import ItcastItem
class
ItcastSpider(