Scrapy官方文档笔记

最新推荐文章于 2024-08-05 20:06:05 发布

荒陌

最新推荐文章于 2024-08-05 20:06:05 发布

阅读量1.1k

点赞数

分类专栏：爬虫

本文链接：https://blog.csdn.net/sinat_38640606/article/details/82933355

版权

本文记录了使用Scrapy创建项目的步骤，从cmd命令行启动项目到用PyCharm打开。在spiders目录下创建Python文件，并讲解了如何格式化输出和运行爬虫。还介绍了起始URL的设置，包括文件操作模式和页面处理方法。

摘要由CSDN通过智能技术生成

1.创建Scrapy项目

首先用cmd命令行去操作，输入

scrapy startproject 项目名

#这里输入的项目名，就是在你输入的目录它会建立一个新的文件夹，这个文件夹里面还是同样名字的一个文件夹，项目新建的时候其实里面只有一个，后来的.idea是被pycharm打开之后pycharm生成的。

那这一步其实也就是决定了文件夹名字，以及在命令栏中决定根目录。

2.然后用pycharm打开这个项目，从根目录打开，在spiders里面新建一个python文件，从这里开始。

import scrapy
class mingyan(scrapy.Spider):  # 需要继承scrapy.Spider类，类名随意后面不用
    name = "Scrapy_test"  # 定义蜘蛛名，这个重要，根据这个启动的，在这里面写清楚用来爬什么的

    def start_requests(self):  # 由此方法通过下面链接爬取页面
        # 定义爬取的链接
        urls = [
            'http://lab.scrapyd.cn/page/1/',
            'http://lab.scrapyd.cn/page/2/',
        ]

        for url in urls:
            yield scrapy.Request(url=url, callback=self.parse)  # 爬取到的页面如何处理？提交给parse方法处理

    def parse(self, response):

        '''