网络爬虫scrapy——黄磊

python -m pip install --upgrade pip 这条是更新

pip install wheel

pip install lxml

pip install twisted

pip install pywin32

pip install scrapy

下一步创建项目

cd desktop 切换工作目录到桌面,将文件保存到桌面

scrapy startproject TXmovies 创建项目

cd  TXmovies

scrapy genspider  txms  v.qq.com    爬虫名txms

下一步 找到项目打开项目修改setting文件

ROBOTSTXT_OBEY = False  不遵守机器人协议

DOWNLOAD_DELAY = 1   下载间隙

DEFAULT_REQUEST_HEADERS = {
  'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',

  'Accept-Language': 'en',

  'User-Agent':'Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.94 Safari/537.36'

}

ITEM_PIPELINES = {
   'TXmovies.pipelines.TxmoviesPipeline': 300,

}

下一步提取数据 item定义需要提取的内容

import scrapy

class TxmoviesItem(scrapy.Item):

    name = scrapy.Field() 电影名

    description = scrapy.Field() 电影描述

下一步爬虫程序

import scrapy

from ..items import TxmoviesItem

class TxmsSpider(scrapy.Spider):

    name = 'txms'

    allowed_domains = ['v.qq.com']

    start_urls = ['https://v.qq.com/x/bu/pagesheet/list?append=1&channel=cartoon&iarea=1&listpage=2&offset=0&pagesize=30']

    offset=0

    def parse(self, response):

        items=TxmoviesItem()

        lists=response.xpath('//div[@class="list_item"]')

        for i in lists:

            items['name']=i.xpath('./a/@title').get()

            items['description']=i.xpath('./div/div/@title').get()

            yield items

        if self.offset < 120:

            self.offset += 30

            url = 'https://v.qq.com/x/bu/pagesheet/list?append=1&channel=cartoon&iarea=1&listpage=2&offset={}&pagesize=30'.format(

                str(self.offset))

            yield scrapy.Request(url=url,callback=self.parse)

下一步交给管道输出

class TxmoviesPipeline(object):

    def process_item(self, item, spider):

        print(item)

        return item

最后新建run.py

from scrapy import cmdline

cmdline.execute('scrapy crawl txms'.split())

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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