基於Scrapy框架編寫爬蟲專案

知識點：

2種安裝模組的方式。

以下兩種方式可以安裝絕大部分模組，

網路安裝：指直接在控制台 pip install xx

第6條，配置過程：

1.複製：f:\程式設計\python\lib\site-packages\pywin32_system32 下的兩個.dll檔案

2.貼上到：c:\windows\system32 裡

1.建立爬蟲:scrapy startproject xx

2.檢視模版:scrapy genspider -l

basic:

# -*- coding: utf-8 -*-

import scrapy
class fstspider(scrapy.spider):
name = 'fst'
allowed_domains = ['aliwx.com.cn']
start_urls = ['']
def parse(self, response):
pass

# -*- coding: utf-8 -*-

import scrapy
from scrapy.linkextractors import linkextractor
from scrapy.spiders import crawlspider, rule
class secondspider(crawlspider):
name = 'second'
allowed_domains = ['aliwx.com.cn']
start_urls = ['']
rules = (
rule(linkextractor(allow=r'items/'), callback='parse_item', follow=true),
)def parse_item(self, response):
i = {}
#i['domain_id'] = response.xpath('//input[@id="sid"]/@value').extract()
#i['name'] = response.xpath('//div[@id="name"]').extract()
#i['description'] = response.xpath('//div[@id="description"]').extract()
return i

# -*- coding: utf-8 -*-

from scrapy.spiders import csvfeedspider
class thirdspider(csvfeedspider):
name = 'third'
allowed_domains = ['aliwx.com.cn']
start_urls = ['feed.csv']
# headers = ['id', 'name', 'description', 'image_link']
# delimiter = '\t'
# do any adaptations you need here
#def adapt_response(self, response):
#    return response
def parse_row(self, response, row):
i = {}
#i['url'] = row['url']
#i['name'] = row['name']
#i['description'] = row['description']
return i

# -*- coding: utf-8 -*-

from scrapy.spiders import xmlfeedspider
class fourthspider(xmlfeedspider):
name = 'fourth'
allowed_domains = ['aliwx.com.cn']
start_urls = ['feed.xml']
iterator = 'iternodes' # you can change this; see the docs
itertag = 'item' # change it accordingly
def parse_node(self, response, selector):
i = {}
#i['url'] = selector.select('url').extract()
#i['name'] = selector.select('name').extract()
#i['description'] = selector.select('description').extract()
return i

爬蟲名 模板**網域名稱

4.執行爬蟲:scrapy crawl 爬蟲檔名

items : 儲存想要爬取的目標字段

siders:儲存多個爬蟲檔案

middelwares:中介軟體,用處不明

pipelines:爬後處理,

使用pymysql

首先需在pymysql資料夾中的connections.py中,更改charset為utf8,可防止亂碼.

scrapy開發手冊

scrapy爬蟲框架

作者經過幾周的python爬蟲實踐之後，深入學習了一下scrapy這個爬蟲框架，現將一些基本知識和 總結整理一下，以備後查。2.scrapy的命令列使用 這部分網上很多部落格都有總結，不需要背，理解會用主要的命令 startproject crawl fetch list genspider.即可，...

scrapy 爬蟲框架

1.安裝 公升級pip版本 pip install upgrade pip 通過pip安裝scrapy框架 pip install scrapy 安裝成功 只執行scrapy 進行測試是否安裝成功 2.scrapy startproject 爬蟲專案名稱 執行此命令,可以生成乙個爬蟲專案 會預先生成...

Scrapy爬蟲框架

scrapy中的各大元件及其功能 1.scrapy引擎 engine 引擎負責控制資料流在系統的所有元件中流動，並在相應動作發生時觸發事件。2.排程器 scheduler 排程器從引擎接收request並將它們入隊，以便之後引擎請求request時提供給引擎。4.spider。spider是scra...