实现爬虫的过程
request对象参数及含义
参数 | 说明 |
---|---|
url | HTTP请求的网站 |
method | HTTP请求的方法,如“GET” |
body | HTTP的请求体,类型为str或unicode |
headers | HTTP的请求体,字典型 |
cookies | 请求的cookie值,字典型或列表型,可以实现自动登录的效果 |
encoding | 请求的编码方式,默认为utf-8 |
callback | 指定回调函数,即确定页面解析函数,默认为parse() |
meta | 字典类型,用于数据的传递 |
priority | 请求的优先级,默认为0,优先级高的请求优先下载 |
dont_filter | 如果对同一个url多次提交相同请求,可以使用此项来忽略重复的请求,避免重复下载,默认为false |
errback | 在处理请求时引发任何异常时调用的函数 |
只需要改一点点代码就行了
加入headers就行
#-*-coding:utf-8-*-
from scrapy import Request
from scrapy.spiders import Spider
class HotSalesSpider(Spider):
#定义爬虫名称
name = 'hot'
qidian_headers= {"User-Agent: Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.80 Safari/537.36 QQBrowser/9.3"}
# #起始的URL列表
# start_urls = ["https://www.qidian.com/rank/hotsales?style=1"]
def start_requests(self):
url = "https://www.qidian.com/rank/hotsales?style=1"
yield Request(url,headers=self.qidian_headers,callback=self.parse)
#解析函数
def parse(self, response):
#使用xpath定位到小说内容的div元素
list_selector = response.xpath("//div[@class='book-mid-info']")
#依次读取每部小说的元素,从中获取名称、作者、类型和形式
for one_selector in list_selector:
#获取小说名称
name = one_selector.xpath("h4/a/text()").extract()[0]
#获取作者
author = one_selector.xpath("p[1]/a[1]/text()").extract()[0]
#获取类型
type = one_selector.xpath("p[1]/a[2]/text()").extract()[0]
#获取形式(连载/完本)
form = one_selector.xpath("p[1]/span/text()").extract()[0]
#将爬取到的一部小说保存到字典中
hot_dict = {"name":name, #小说名称
"author":author, #作者
"type":type, #类型
"form":form} #形式
#使用yield返回字典
yield hot_dict
#-*-coding:utf-8-*-
from scrapy import Request
from scrapy.spiders import Spider#导入Spider类
class HotSalesSpider(Spider):
#定义爬虫名称
name = 'hotcss'
#获取初始Request
def start_requests(self):
url = "https://www.qidian.com/rank/hotsales?style=1"
#生成请求对象,设置url,callback
yield Request(url,callback=self.qidian_parse)
# 使用CSS选择器解析数据
def qidian_parse(self, response):
#使用css定位到小说内容的div元素,生成选择器
list_selector = response.css("[class='book-mid-info']")
#依次读取每部小说,从中获取名称、作者、类型和形式
for one_selector in list_selector:
#获取小说名称
name = one_selector.css("h4>a::text").extract_first()
#获取作者
author = one_selector.css(".author a::text").extract()[0]
#获取类型
type = one_selector.css(".author a::text").extract()[1]
#获取形式(连载还是完本)
form = one_selector.css(".author span::text").extract_first()
#将爬取到的一部小说保存到字典中
hot_dict = {"name":name, #小说名称
"author":author, #作者
"type":type, #类型
"form":form} #形式
#使用yield返回字典
yield hot_dict