redis-crawlspider

1,建立项目

Scrapy startproject book
cd book
scrapy genspider -t crawl amazon amazon.cn

2, 与scrapy_redis不同的是继承的类不同

from scrapy_redis.spiders import RedisCrawlSpider   
from scrapy.spiders import CrawlSpider, Rule
        
class AmazonSpider(RedisCrawlSpider):
    name = 'amazon'
    allowed_domains = ['amazon.cn']
    # start_urls = ['https://www.amazon.cn/b/?&node=116169071&tag=baiduiclickcn-23&ref=DEP_190527_lhb_06']
    redis_key = 'amazon'

rules = (
    # 匹配大分类的url地址和小分类的url地址
    Rule(LinkExtractor(
        restrict_xpaths=("//ul[@class='a-unordered-list a-nostyle a-vertical s-ref-indent-two']/ul/li"), ),
         follow=True),
    # 匹配图书
    Rule(LinkExtractor(restrict_xpaths=("//div[@id='mainResults']/ul/li//h2/.."), ), callback='parse_book_detail'),
    # 翻页
    Rule(LinkExtractor(restrict_xpaths=("//div[@id='pagn']"), ), follow=True)

)

def parse_book_detail(self, response):
    item = {}
    item["book_title"] = response.xpath("//span[@id='productTitle']/text()").extract_first()
    item["book_author"] = response.xpath("//div[@id='bylineInfo']/span[1]/a/text()").extract_first()
    item["book_img"] = response.xpath("//div[@id='ebooks-img-canvas']/img/@src").extract_first()
    item["book_price"] = response.xpath("//span[@class='a-color-base']/span/text()").extract_first()

crawlspider rule完善:

在这里插入图片描述

  • 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