scrapy框架爬取西刺网站上的ip地址

#首先用终端创建一个文件夹,然后在文件夹里创建scrapy爬虫项目
cd proxyip;
scrapy startproject proxyip;#创建项目
scrapy genspider -t basic proxy xicidaili.com #建立框架如果是自动爬虫的话basic可以换成crawl

建立完成后可以用pycharm或用vscode看到这样的文件目录
这里写图片描述
我们要在proxy.py文件里写上我们的爬取ip的指令如下:

import scrapy
from proxyip.items import ProxyipItem
from scrapy.http import  Request
import re
import pymysql
import time

class ProxySpider(scrapy.Spider):
    name = 'proxy'
    allowed_domains = ['xicidaili.com']
    start_urls = ['http://www.xicidaili.com/']
    def start_requests(self):
        # userang={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"}
        # yield Request("http://www.xicidaili.com/",headers=userang)
        # ,callback=self.parse,method='GET'
        urls=[]
        for i in range(1,500):
            urls.append('http://www.xicidaili.com/nn/'+str(i))
        for url in urls:
            userang={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"}
            yield Request(url,headers=userang)
    def parse(self, response):
        ip_list=response.xpath("//table[@id='ip_list']/tr")
        for ips in ip_list[1:]:
            time.sleep(0.2)
            item=ProxyipItem()
            time1=ips.xpath("./td[8]/div/@title")[0].extract()
            times = re.sub(r'\D','',time1)
            if int(times)<=1000 :
                item['ip']=ips.xpath("./td[2]/text()").extract()
                item['port']=ips.xpath("./td[3]/text()").extract()
                item['htype']=ips.xpath("./td[6]/text()").extract()
                # print(item['ip'])
                yield item
            else:
                pass

在setting.py文件里把这段指令打开
这里写图片描述
这里写图片描述
在items.py文件下设置容器用来放你爬取到的数据


import scrapy
class ProxyipItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    ip=scrapy.Field()
    port=scrapy.Field()
    htype=scrapy.Field()

在piplines.py文件里写上存入python与数据库交互的指令将爬取得数据存入数据库

import pymysql
from urllib.error import HTTPError
class ProxyipPipeline(object):
    def process_item(self, item, spider):
        conn=pymysql.connect(host="localhost",user="root",passwd="mysql",db="wuyanzu")
        for i in range(0,len(item['ip'])):
            ip=item['ip'][i]
            port=item['port'][i]
            htype=item['htype'][i]
            sql="insert into proxyip values(0,'"+ip+"','"+port+"','"+htype+"')"
            try:
                cur=conn.cursor()
                cur.execute(sql)
                conn.commit()
            except HTTPError as e :
                if hasattr(e,"code"):
                    print(e.code)
        cur.close()
        conn.close()
        return item

这样我们就得到了我们想要的ip了。

  • 0
    点赞
  • 1
    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