Scrapy爬虫几个案例

本文介绍了使用Scrapy爬虫的多个案例,包括爬取糗事百科段子、购房网站的省区信息、数据处理与文件下载、模拟登录、抓取二手车网站图片以及通过CrawlSpider爬取微信网站。详细讲解了不同场景下的爬虫实现和技巧,涉及请求、解析、管道和回调函数的使用。
摘要由CSDN通过智能技术生成

1、用基础爬虫爬取糗事百科段子

class QsbkSpider(scrapy.Spider):
    name = 'qsbk'
    allowed_domains = ['qiushibaike.com']
    start_urls = ['https://www.qiushibaike.com/text/page/1/']
    base_url = 'https://www.qiushibaike.com'
    def parse(self, response):
        text_divs = response.xpath("//div[@id='content-left']/div")
        for div in text_divs:
            author = div.xpath(".//h2/text()").get().strip()  #get会解码中文
            content = div.xpath(".//span/text()").get().strip()
            duanzhi=DuanzhiItem(author=author,content=content)
            print(author)
            yield duanzhi

            next_url = response.xpath("//ul[@class='pagination']/li[last()]/a/@href").get()
            if not next_url:
                return
            else:
                yield scrapy.Request(self.base_url+next_url,callback=self.parse)

其中yield scrapy.Request(self.base_url+next_url,callback=self.parse) 会拼接下一页的url继续调用parse函数爬取指定内容
下面是爬取作者内容的一部分 总共有13页

十亿精兵总统领
千户小黄人
小萌新初来乍到
爆笑菌boy
一杯清茶!
恨钱不成山
依丽若水
歌歌哒f



2、爬取购房网站的每个省的购房信息

class FangSpider(scrapy.Spider):
    name = 'fang'
    allowed_domains = ['fang.com']
    start_urls = ['https://www.fang.com/SoufunFamily.htm']

    def parse(self, response):
        trs = response.xpath("//div[@id='c02']//tr")
        province = None


        for tr in trs:

            tds = tr.xpath(".//td[not(@class)]") #寻找没有class的标签
            provice_td=tds[0]
            provice_text = provice_td.xpath(".//text()").get().strip()
            if provice_text!="":
                province = provice_text
            if province.strip() == '其它
  • 0
    点赞
  • 9
    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