使用crawlspider自动爬取豆瓣TOP250电影信息

本文介绍了如何使用Python的CrawlSpider库来爬取豆瓣Top250电影的相关信息。从创建项目到定义items、编写rules、设置pipelines和user-agent,一步步详细阐述了整个爬取过程。
摘要由CSDN通过智能技术生成

1.首先是创建一个crawlspider的爬虫项目

# cd 指定目录下
#  创建一个scrapy框架的项目,名字叫DOUBAN
# scrapy startproject DOUBAN
# cd DOUBAN/
# 进入到项目目录后,创建一个以crawl为模板的crawlspider,爬虫名叫db_crawl,并指定爬取的域:douban.com
# scrapy genspider -t crawl db_crawl douban.com

2.打开DOUBAN项目,首先打开items.py定义需要获取的信息

# -*- 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 DoubanItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    """获取电影名,评分,简介等信息"""
    db_name = scrapy.Field()
    db_socer = scrapy.Field()
    db_info = scrapy.Field()
    db_detail = scrapy.Field()
    pass

3.打开主文件db_crawl.py,编写rule规则以及获取信息

# -*- coding: utf-8 -*-
import scrapy
from scrapy.linkextractors import LinkExtractor
from scrapy.spiders import
  • 0
    点赞
  • 0
    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