Scrapy爬虫Demo

#coding=utf-8
import scrapy
import time
import re
from qqcrawler.items import QqcrawlerItem


class QzoneSpider(scrapy.Spider):
    name = "qzone"
    # allowed_domains = ["qzone.qq.com/"]
    start_urls = [
        # "http://www.ncst.edu.cn/"
        "http://qzone.qq.com/"
        # ,"http://www.qq.com/"
    ]
    def parse(self, response):
        try:
            qq_item = QqcrawlerItem()   #爬取的数据                       
            qq_item['c_time'] = time.time()
            qq_item['url'] = response.url
            if response.xpath('/html/head/title'):
                qq_item['title'] = response.xpath('/html/head/title').extract()
            else:
                qq_item['title']=None
            yield qq_item
            if response.xpath('//@href'):
                for i in response.xpath('//@href').extract():
                    if re.match('^http.*qzone\.qq.*',i):
                        print i,'================'
                        yield scrapy.Request(i, callback=self.parse)    #继续向爬虫中添加url
        except:
            print ''
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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