使用Scrapy(二)编写抓取规则

安装插件

xpath helper

chrome://flags/#extensions-on-chrome-urls

测试抓取

# -*- coding: utf-8 -*-
import scrapy


class DoubanSpiderSpider(scrapy.Spider):
    #爬虫名
    name = 'douban_spider'
    allowed_domains = ['movie.douban.com']
    #入口url,扔到调度器中
    start_urls = ['https://movie.douban.com/top250']

    def parse(self, response):
        # 打印抓取过来的内容
        print(response.text)

使用谷歌copy xpath

# -*- coding: utf-8 -*-
import scrapy


class DoubanSpiderSpider(scrapy.Spider):
    #爬虫名
    name = 'douban_spider'
    allowed_domains = ['movie.douban.com']
    #入口url,扔到调度器中
    start_urls = ['https://movie.douban.com/top250']

    def parse(self, response):
        movie_list = response.xpath('//*[@id="content"]/div/div[1]/ol').extract()
        for i_item in movie_list:
            print(i_item)

不要使用上面那个

# -*- coding: utf-8 -*-
import scrapy
from douban.items import DoubanItem


class DoubanSpiderSpider(scrapy.Spider):
    # 爬虫名
    name = 'douban_spider'
    allowed_domains = ['movie.douban.com']
    # 入口url,扔到调度器中
    start_urls = ['https://movie.douban.com/top250']

    def parse(self, response):
        movie_list = response.xpath('//ol/li')
        for i_item in movie_list:
            douban_item = DoubanItem()
            # [<Selector xpath='.//em/text()' data='1'>]
            # 上面是未加:extract_first()的时候
            douban_item['serial_number'] = i_item.xpath('.//em/text()').extract_first()
            print(douban_item['serial_number'])
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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