我们今天来说一个增量式爬虫
相信有很多的同学不太理解为什么要用增量式爬虫 增量式爬虫有什么样的作用 今天我就来为大家絮叨絮叨
增量式爬虫的意义是为了精准的拿到你想要的数据,好比说我们现在需要爬取某某网站,它的数据呢是实时更新的,我能只想要没有爬取过的数据怎么办呢,我们需要第3方库来帮助我们,我个人用的是redis数据库,我们可以对url进行比对,也可以对数据进行比对,这个根据需求来定制。
首先创建scrapy框架:
scrapy startproject ***
cd ***
scrapy genspider *** baidu.com
这样我们的scrapy框架就创建完了,我们现在步入正轨,这个例子是以字段内容为比较对象的小例子
import scrapy
from ..items import LxhItem
from redis import Redis
import hashlib
class XhSpider(scrapy.Spider):
name = 'xh'
# allowed_domains = ['baidu.com']
start_urls = ['http://xiaohua.zol.com.cn/zhengren/'] #定义要爬取的url
conn = Redis() #实例化redis
def parse(self, response):
li_list = response.xpath('//li[@class="article-summary"]')
for li in li_li