Scrapy 多url爬取、爬取post请求、更换代理ip、指定日志等级

---多url爬取---

import scrapy
from many_url_crawl.items import ManyUrlCrawlItem


# 爬取之后N页数据
class HandleSpider(scrapy.Spider):
    name = 'handle'
    # allowed_domains = ['www.qiushibaike.com']
    start_urls = ['https://www.qiushibaike.com/text/']

    url = 'https://www.qiushibaike.com/text/page/%d/'
    pageNum = 1

    def parse(self, response):
        div_list = response.xpath('//*[@id="content-left"]/div')

        for i in div_list:
            author = i.xpath('.//div[@class="author clearfix"]/a[2]/h2/text()').extract()[0]
            content = i.xpath('.//div[@class="content"]/span/text()').extract()[0]
            item = ManyUrlCrawlItem()
            item['author'] = author
            item['content'] = content
            yield item

            if self.pageNum <= 13:  # 控制!否则无限递归了。。
                self.pageNum += 1
                print('爬第:%d 页' % self.pageNum)
                new_url = self.url % self.pageNum
                # callback 回调函数,页面进行解析
                yield scrapy.Request(url=new_url, callback=self.parse)

 

---爬取POST请求

import scrapy


class ScrPostSpider(scrapy.Spider):
    name = 'scr_post'
    # allowed_domains = ['www.baidu.com']
    start_urls = ['https://fanyi.baidu.com/translate']

    # 该方法是父类的一个方法:该方法可以对start_urls列表中的元素进行get请求的发送
    # 发起post请求二中方式:
        #1.将Request方法中的method参数赋值成post
        #2.FormRequest()可以发起post请求(推荐)
    def start_requests(self):
        data={
            'query':'dog'
        }
        for url in self.start_urls:
            #formdata:请求参数对应的字典
            yield scrapy.FormRequest(url=url,formdata=data,callback=self.parse)

    def parse(self, response):
        print(response.text)

 

---在middlewarses---

#自定义一个下载中间件的类,在类中事先process_request(处理中间件拦截到的请求)方法
class MyProxy(object):
    def process_request(self,request,spider):
        #请求ip的更换
        request.meta['proxy'] = 'http://120.210.219.101:8080'

在setting55行

DOWNLOADER_MIDDLEWARES = {
'proxy.middlewares.MyProxy': 543,
}

---指定日志等级---

在setting中设置LOG_LEVEL = 'ERROR'

转载于:https://www.cnblogs.com/zhuzhiwei-2019/p/10915174.html

  • 1
    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