主要爬取了编程栏目里的其他编程里的36638条数据
过程是自己一步一步的往下写的,有不懂的也是一边找笔记,一边百度,一边调试。
遗憾:没有进行多栏目数据的爬取,只爬了一个栏目的数据,希望有想法的有钻研精神的可以自己去尝试爬取一下,难度应该不会很大。
给一张效果图:
爬取字段:标题,标题链接,标题描述,发布时间,发布类型,发布tag
爬取方式:主要是获取div【pull-left ltxt w658】下的内容,这个div还是有点复杂的?对于我而言吧。调试了多次,
需要爬取的内容都在上面图片标记着了,
先上items里面的代码:
# -*- coding: utf-8 -*-
# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html
import scrapy
class MakedreamItem(scrapy.Item):
# define the fields for your item here like:
# name = scrapy.Field()
# 文章标题
articleTitle = scrapy.Field()
# 文章标题url
articleUrl = scrapy.Field()
# 文章描述
articleDesc = scrapy.Field()
# 文章发布时间
articlePublic = scrapy.Field()
# 文章类型
articleType = scrapy.Field()
# 文章标签
articleTag = scrapy.Field()
# pass
没毛病,我们继续接着上spider里面的代码,瞧仔细了。
# encoding=utf8
import scrapy
from makedream.items import MakedreamItem
class DramingNet(scrapy.Spider):
# 启动爬虫的名称
name = 'draming'
# 爬虫的域范围
allowed_domains = ['zhimengzhe.com']
# 爬虫的第一个url
start_urls = ['http://www.zhimengzhe.com/bianc