Scrapy框架爬取dmoztools网站两个网址信息——基于Xpath内置选择器

问题背景

在这里插入图片描述
目的是将该网站关于Python的书籍信息和资源信息爬取并导出。
在这里插入图片描述

实现过程

一、调出cmd窗口

cd /d  所要保存的路径
#t2为新建的文件名
scrapy startproject t2
cd q2
scrapy genspider t2t dmoztools.net
#接下来可直接在cmd窗口中进行测试,也可以到Python编辑器里面进行测试
cd t2
scrapy shell http://dmoztools.net/Computers/Programming/Languages/Python/Books/
response.body

二、在PyCharm中打开q2文件
在Pycharm中进行测试

#在Pycharm下方的Terminal框中
cd /d 所要保存的路径\t2\t2
scrapy shell http://dmoztools.net/Computers/Programming/Languages/Python/Books/
response.body

在t2的spiders文件下打开q2q文件,补充相关代码:

# -*- coding: utf-8 -*-
import scrapy

from t2.items import T2Item

class T2tSpider(scrapy.Spider):
    name = "t2t"
    allowed_domains = ["dmoztools.net"]
    start_urls = ['http://dmoztools.net/Computers/Programming/Languages/Python/Books/',
                  'http://dmoztools.net/Computers/Programming/Languages/Python/Resources/']
    def parse(self, response):
        # sel = scrapy.selector.Selector(response)
        # sites=sel.xpath('//*[@id="site-list-content"]/div')
        sites=response.xpath('//*[@id="site-list-content"]/div')
        items = []
        for site in sites:
            item = T2Item()
            item['title']=site.xpath('div/a/div/text()').extract()[0]
            item['link']=site.xpath('div/a/@href').extract()[1]
            item['desc']=site.xpath('div/div/text()').extract()[0]
            items.append(item)
        return items

打开t2下的items文件,补充相关代码:

# -*- coding: utf-8 -*-

# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html

import scrapy


class T2Item(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    title = scrapy.Field()
    link = scrapy.Field()
    desc = scrapy.Field()
  • 0
    点赞
  • 0
    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