scrapy命令交互模式介绍
scrapy 命令交互模式启动
$ scrapy shell 网址[不需要引号]
命令交互模式中函数介绍
request 对网址发起请求的请求信息
response网址服务器响应请求,发回的响应信息
view(response)调用系统自带浏览器,查看response中保存着从网址中获取的网页数据
fetch(url)在交互模式下,重新对一个url网址发送请求,自动更新到request和response中
scrapy项目爬虫文件说明
init.py -> 保持默认,不需要做任何修改
items.py-> 自定义项目类的地方,也就是爬虫获取到数据之后,传入管道文件(pipelinies.py)的载体
pipelinies.py->项目管道文件,对传入的项目类中的数据进行一个清理和入库
settings.py->Scrapy项目的设置文件,例如下载延迟,项目管道文件中类的启用以及自定义中间件的启用和顺序
spiders目录-》里面只有一个init.py文件,在该目录下定义爬虫类并继承scrapy.Spider
middlewares.py ->中间件配置文件
Scrapy爬虫文件ganji.py介绍
name="zufang" 爬虫名字,如果项目中有多个爬虫,名字别重复
start_urls = ['http://....'] 爬虫启动后自动爬取的链接,列表内可以放多个链接
def parse(self,response):爬虫启动时,爬取链接成功后自动回调的函数,默认parese,参数self和response也是必须得
response.xpath("").extract():固定格式,如果xpath("")里面不放任何字符串会报错,如果里面的字符串是/结尾,则代码会报错