Scrapy爬取阳光政务平台信息
需求:实现翻页爬取,用xpath实现翻页获取
一、普通Scrapy爬取
1、创建一个scrapy项目
scrapy startproject sun
2、生成一个爬虫文件
scrapy genspider yg wz.sun0769.com
3、设置settings,添加log日志等级
4、添加一个文件运行爬虫
from scrapy import cmdline
cmdline.execute(['scrapy','crawl','yg'])
5、将要爬取的字段名添加到 items.py 文件中
6、将指定文件作为根目录,导入items类,开始编写
列表页函数来爬取标题和详情页url
在列表页和详情页函数间进行翻页
详情页函数获取详情页数据
二、Scrapy CrawlSpider爬取
1、创建一个scrapy项目
scrapy startproject sun_crawl
2、生成一个 crawlspider 爬虫文件
scrapy genspider -t crawl cyg wz.sun0769.com
3、设置settings,添加log日志等级
4、添加一个文件运行爬虫
from scrapy import cmdline
cmdline.execute(['scrapy','crawl','cyg'])
5、开始爬取
以下是自动生成的代码,向其中补充内容即可
开始添加