创建crawl—scrapy

本文介绍了如何使用Scrapy框架创建一个名为myproject的爬虫项目,包括启动项目、生成crawl类型的爬虫模板crawl_baidu,针对baidu.com进行爬取。在项目文件夹内创建run_baidu.py运行文件,并在spiders目录下编辑crawl_baidu.py以实现具体爬虫逻辑,以拉勾网为示例。
摘要由CSDN通过智能技术生成

创建项目文件夹

scrapy startproject myproject

进入 myproject

scrapy genspider -t crawl  crawl_baidu baidu.com

创建成功后在mproject文件夹中创建 run_baidu.py 运行文件

在spider文件夹中找到 crawl_baidu.py 进行编写代码

例:以拉勾网为例

# -*- coding: utf-8 -*-
import scrapy
from scrapy.linkextractors import LinkExtractor
from scrapy.spiders import CrawlSpider, Rule
from myproject.items import LagouItem


class LagouSpider(CrawlSpider):
    name = 'lagou'
    allowed_domains = ['lagou.com']
    start_urls = ['http://lagou.com/']
   #此处写所需要的url的正则,它会匹配所有符合需求的url,callbacl是将结果返回给parse_item函数,follow为True时继续在此网页中寻找符合的url,False则终止寻找
    rules = (
        # Rule(LinkExtractor(allow=r'Items/'), callback='parse_item', follow=True),
        Rule(LinkExtractor(allow=r'https://www\.lagou\.com/zhaopin/\w+/'), follow=True),
        Rule(LinkExtractor(allow=r'https
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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