背景
继上篇解决八爪鱼数据采集工具速度慢的问题,八爪鱼免费的自定义模式平均每分钟采集10条数据,而用scrapy则接近100条数据每分钟
问题
- 上网找了很多代码,由于没接触过scrapy框架,直接把别人的代码复制到idle运行,但发现并没有执行
【解决】:原来网上的代码全都是写了spider类而已,没有执行程序,而scrapy框架需要在python scripts目录下命令行创建项目(只要在安装scrapy的目录下创建就好),再在写spider文件夹调加爬虫文件
圈出来的文件就是自己写的爬虫
- 无法导入JingdongItem模块
【解决】:直接不要这个模块,自己写
而且直接放在爬虫文件里面可以防止出现无法调用自生成的items文件
- 如何找到可以爬取的url
【解决】:
(1)京东商城的手机信息 URL:https://list.jd.com/list.html?cat=9987,653,655&page=1
(2)谷歌浏览器的京东页面找到每一类商品对应的cat,然后替换就好了
(3)以电脑为例:京东搜索“电脑”,下拉到翻页的位置——F12,找出“下一页”按钮对应的元素——最长的cat3一般就是所要的
代码
from __future__ import absolute_import
import scrapy
from scrapy.http import Request
#from jingdong.items import JingdongItem,IdItem
import re
import urllib.error
import urllib.request
import pymysql
class JingdongItem(scrapy.Item):
# define the fields for your item here like:
# name = scrapy.Field()
all_class=scrapy.Field()
next_class_name = scrapy.Field()
next_class_url = scrapy.Field()
book_name = scrapy.Field()
book_url = scrapy.Field()
comment = scrapy.Field()
price = scrapy.Field()
publisher_name = scrapy.Field()
publisher_url = scrapy.Field()
publish_time = scrapy