scrapy爬取文件

import scrapy
import json

# 执行命令:scrapy crawl qiubai
class QiubaiSpider(scrapy.Spider):
    name = 'qiubai'
    start_urls = ['https://www.baidu.com']

    def parse(self, response):
        id_list = []
        a = 0
        li_list = response.xpath('//*[@id="cnblogs_post_body"]/div')
        for li in li_list:
            author = li.xpath('.//text()').extract()
            author = ''.join(author)
            a += 1
            print( author)
            id_list.append(author)
        fp = open('./qiubai.txt', 'w', encoding='utf-8')
        json.dump(id_list, fp, ensure_ascii=False)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Scrapy是一个基于Python的开源网络爬虫框架,它提供了一简单而强大的API,可以帮助开发者快速高地爬取网页数据。使用Scrapy可以轻松地编写爬虫程序,实现对网页的自动化访问、数据提取和持久化等功能。 要使用Scrapy爬取天眼查的数据,首先需要安装Scrapy库。可以使用pip命令进行安装,如下所示: ``` pip install scrapy ``` 接下来,创建一个Scrapy项目,可以使用命令行工具scrapy startproject来创建一个新的项目,如下所示: ``` scrapy startproject project_name ``` 其中,project_name是你自定义的项目名称。 创建完项目后,进入项目目录,可以看到一些自动生成的文件文件夹。其中,spiders文件夹是用于编写爬虫程序的地方。 在spiders文件夹中创建一个新的Python文件,例如tianyancha_spider.py。在该文件中,可以定义一个Spider类,并继承自scrapy.Spider类。在Spider类中,可以定义要爬取的网站URL、数据提取规则等。 以下是一个简单的示例代码,用于爬取天眼查的公司信息: ```python import scrapy class TianyanchaSpider(scrapy.Spider): name = 'tianyancha' start_urls = ['https://www.tianyancha.com/'] def parse(self, response): # 在这里编写数据提取的代码 pass ``` 在parse方法中,可以使用XPath或CSS选择器等方式提取网页中的数据,并进行处理和存储。 运行爬虫程序,可以使用命令行工具scrapy crawl来启动爬虫,如下所示: ``` scrapy crawl tianyancha ``` 以上是一个简单的Scrapy爬取天眼查的示例,你可以根据自己的需求进行进一步的开发和优化。
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