用scrapy框架爬取映客直播使用者頭像

1. 建立專案 scrapy startproject yingke cd yingke

2. 建立爬蟲  scrapy genspider live

3. 分析網頁的response，找到響應裡面資料的規律，並找到的位置，通過response.xpath()獲取到

4. 通過在pipline裡面進行資料的清洗，過濾，儲存

6. 執行爬蟲 scrapy crawl live

#

-*- coding: utf-8 -*-
import
scrapy
import
reclass
livespider(scrapy.spider):
name = '
live
'allowed_domains = ['
inke.cn']
start_urls = ['
?page=1']
defparse(self, response):
div_list = response.xpath("
//div[@class='list_box']")
for div in
div_list:
item ={}
img_src = div.xpath("
./div[@class='list_pic']/a/img/@src
").extract_first()
item[
"user_name
"] =div.xpath(
"./div[@class='list_user_info']/span[@class='list_user_name']/text()
").extract_first()
print(item["
user_name"])
yield scrapy.request(  #
傳送詳情頁的請求
img_src,
callback=self.parse_img,
meta=
)#        now_page = re.findall("
page=(.*)
", response.request.url)[0]
now_page=int(now_page)
next_url = "
?page={}
".format(str(now_page+ 1))
yield
scrapy.request(
next_url,
callback=self.parse
)defparse_img(self, response):
user_name = response.meta["
item
"]["
user_name"]
with open(
"images/{}.png
".format(user_name), "wb"
) as f:
f.write(response.body)

scrapy框架全站資料爬取

每個 都有很多頁碼，將 中某板塊下的全部頁碼對應的頁面資料進行爬取 實現方式有兩種 1 將所有頁面的url新增到start urls列表 不推薦 2 自行手動進行請求傳送 推薦 yield scrapy.request url,callback callback專門用做於資料解析 下面我們介紹第二種...

scrapy框架爬取王者榮耀面板

建立專案命令 scrapy startproject wangzhephotomax 建立爬蟲 scrapy genspider wangzhecrawl 更改settings.py中的設定 user agent obey robots.txt rules robotstxt obey false ...

scrapy框架爬取豆瓣讀書（1）

scrapy，python開發的乙個快速 高層次的螢幕抓取和web抓取框架，用於抓取web站點並從頁面中提取結構化的資料。scrapy用途廣泛，可以用於資料探勘 監測和自動化測試。scrapy吸引人的地方在於它是乙個框架，任何人都可以根據需求方便的修改。它也提供了多種型別爬蟲的基類，如basespi...