python 使用scrapy框架爬取一个图书网站的信息

 

1.新建项目

scrapy startproject book_project

 

2.编写items类

3.编写spider类

# -*- coding: utf-8 -*-
import scrapy
from book_project.items import BookItem

class BookInfoSpider(scrapy.Spider):
    name = "bookinfo"#定义爬虫的名字
    allowed_domains = ["allitebooks.com", "amazon.com"]#定义爬取的范围
    start_urls = [
        "http://www.allitebooks.com/security/",
    ]

    def parse(self, response):
        num_pages=int(response.xpath('//span[contains(@class,"pages")]/text()').extract_first().split()[-2])
        base_url = "http://www.allitebooks.com/security/page/{0}/"
        for page in range(1, num_pages):
            yield scrapy.Request(base_url.format(page), dont_filter=True, callback=self.parse_page)
                #open('my.txt', 'wb').write(page)

    def parse_page(self, response):
        for sel in response.xpath('//div/article'):
            book_detail_url = sel.xpath('div/header/h2/a/@href').extract_first()
            yield scrapy.Request(book_detail_url, callback=self.parse_book_info)

    def parse_book_info(self, response):
        title = response.css('.single-title').xpath('text()').extract_first()
        isbn = response.xpath('//dd[2]/text()').extract_first()
        item = BookItem()
        item['title'] = title
        item['isbn'] = isbn
        # yield item
        amazon_search_url = 'https://www.amazon.com/s/ref=nb_sb_noss?url=search-alias%3Daps&field-keywords=' + isbn
        yield scrapy.Request(amazon_search_url, headers={'User-agent': 'Mozilla/5.0'}, callback=self.parse_price, meta={ 'item': item })

    def parse_price(self, response):
        item = response.meta['item']
        item['price'] = response.xpath('//span/text()').re(r'\$[0-9]+\.[0-9]{2}?')[0]
        yield item
View Code

4.启动爬虫开始抓取

scrapy crawl bookinfo -o books.csv

5.运行结果

看出来运行了很久,大概有25分钟

 

csv中的数据

 

转载于:https://www.cnblogs.com/fjl-vxee/p/6773539.html

  • 0
    点赞
  • 4
    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