Scrapy 实现爬取多页数据 多层url数据爬取 meta传递 链接为相对路径

提取电影网站的片名,导演,影片播放地址。

item.py

1 import scrapy
2 
3 
4 class MovieItem(scrapy.Item):
5     # define the fields for your item here like:
6     name = scrapy.Field() #没啥好说的,定义三个返回变量
7     actor = scrapy.Field()
8     link = scrapy.Field()

spider,py

 1 import scrapy
 2 
 3 from movie.items import MovieItem
 4 
 5 class MovieproSpider(scrapy.Spider):
 6     name = 'moviePro'
 7     allowed_domains = ['4567tv.tv']
 8     start_urls = ['https://www.4567tv.tv/frim/index1.html']
 9     page = 1
10     page_url = 'https://www.4567tv.tv/frim/index1-%s.html'
11 
12 
13     def parse(self, response):
14         li_list = response.xpath('//li[@class="col-md-6 col-sm-4 col-xs-3"]')
15         for li in li_list:
16             item = MovieItem()
17             name = li.xpath('./div/div/h4/a/text()').extract_first()
18             detail_url = 'https://www.4567tv.tv' + li.xpath('./div/div/h4/a/@href').extract_first()
19             item['name'] = name
20             yield scrapy.Request(url = detail_url, callback = self.parse_detail, meta ={'item':item})
21 
22         if self.page <= 10:
23             self.page += 1
24             new_page_url = self.page_url % self.page
25             yield scrapy.Request(url = new_page_url, callback = (self.parse))
26 
27     def parse_detail(self, response):
28         item = response.meta['item'] #注意这里实例化的是meta的,是parse函数传递过来的第二层内容
29         actor = response.xpath('/html/body/div[1]/div/div/div/div[2]/p[3]/a/text()').extract_first() 
30         link = response.xpath('/html/body/div[1]/div/div/div/div[1]/a/@href').extract_first()
31         item['actor'] = actor
32         item['link'] = 'https://www.4567tv.tv' + link #这个连接是相对路径,重新构造地址
33         yield item

settings.py

 1 FEED_EXPORT_ENCODING ='utf-8' #插入这两行,解码成中文,不然出现的是乱码

2 FEED_EXPORT_ENCODING = 'gb18030' 

运行

scrapy crawl moviePro -o mov.csv

结果

 

转载于:https://www.cnblogs.com/passagain/p/11456965.html

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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