爬虫scrapy框架

爬虫的框架：
scrap ：

1.
An open source and collaborative framework for extracting the data you need from websites.
In a fast, simple, yet extensible way.
    1.开源的爬虫框架
    2.快速、简单、高效的方式

2.安装部署

3.基本使用
    1.创建一个项目
    scrapy startproject test_scrapy

        1.项目目录：
            1.scrapy.cfg  【项目的配置文件】
            2.settings.py  【项目的配置文件】
            3. spiders/  【防止 爬虫代码的目录】
    2.编写爬虫代码
        1.创建一个 爬虫代码
        scrapy genspider [options] <name> <domain>

        scrapy genspider python01 www.xxx.com

     '''
    name:
        1.不能重复
        2.爬虫文件的名字
    '''
    name = 'python01'
    '''
       scrapy 允许爬取的 url 
    '''
    allowed_domains = ['www.baidu.com']
    '''
        scrapy 去爬取的 url 列表
    '''
    start_urls = ['http://www.baidu.com/','https://www.sougou.com']

    3.启动爬虫项目
        1.启动命令
        scrapy runspider [options] <spider_file>

        scrapy runspider ./test_scrapy/spiders/python01.py

        scrapy crawl python01

        scrapy crawl python01 --nolog 【使用命令 不显示日志信息】

        2.数据解析：
            1.标签定位：
                返回 selector(xpath,data[xpath表达式 结果])
            2.数据解析
                返回 selector(xpath,data[xpath表达式 结果])
            
            3.取值
                .get()
                .getall()
        
        3.存储数据【持久化数据】
            scrapy crawl python01 -o ./sanguo.txt 【不支持txt格式】

pa取三国目录

import scrapy
class TaobaospiderSpider(scrapy.Spider):
    name = 'taobaoSpider'
    #allowed_domains = ['baidu.com']
    start_urls = ['https://www.shicimingju.com/book/sanguoyanyi.html']
    def parse(self, response):
        li_list = response.xpath('//div[@class="book-mulu"]/ul/li')
        res = []
        for index, li in enumerate(li_list):
            a_text_get = li.xpath('./a/text()').get()
            dic={
                'id': index,
                'title': a_text_get
            }
            res.append(dic)
        return res

结果