一.什麼是scrapy?
二.安裝
linux:
pip3 install scrapy
windows:
a. pip3 install wheel
/
/
www.lfd.uci.edu
/
~gohlke
/
pythonlibs
/
#twisted
17.1
.
0
‑cp35‑cp35m‑win_amd64.whl
d. pip3 install pywin32
e.
pip3 install scrapy
三.基礎使用
1.建立專案:scrapy startproject 專案名稱
專案結構:
scrapy.cfg:
project_name/
__init__.py
items.py
pipelines.py
settings.py
spiders/
__init__.py
scrapy.cfg 專案的主配置資訊。(真正爬蟲相關的配置資訊在settings.py檔案中)
items.py 設定資料儲存模板,用於結構化資料,如:django的model
pipelines 資料持久化處理
spiders 爬蟲目錄,如:建立檔案,編寫爬蟲解析規則
2.建立爬蟲應用程式:
cd project_name(進入專案目錄)
scrapy genspider 應用名稱 爬取網頁的起始url (例如:scrapy genspider qiubai www.qiushibaike.com)
3.編寫爬蟲檔案:在步驟2執行完畢後,會在專案的spiders中生成乙個應用名的py爬蟲檔案,檔案原始碼如下:
import scrapy
class qiubaispider(scrapy.spider):
name = 'qiubai' #應用名稱
#允許爬取的網域名稱(如果遇到非該網域名稱的url則爬取不到資料)
allowed_domains = ['']
#起始爬取的url
start_urls = ['']
#訪問起始url並獲取結果後的**函式,該函式的response引數就是向起始的url傳送請求後,獲取的響應物件.該函式返回值必須為可迭代物件或者null
def parse(self, response):
print(response.text) #獲取字串型別的響應內容
print(response.body)#獲取位元組型別的相應內容
4.設定修改settings.py配置檔案相關配置:
22行:robotstxt_obey = false #可以忽略或者不遵守robots協議
5.執行爬蟲程式:scrapy crawl 應用名稱
四.小試牛刀:將糗百首頁中段子的內容和標題進行爬取
import scrapy
class qiubaispider(scrapy.spider):
name = 'qiubai'
allowed_domains = ['']
start_urls = ['']
def parse(self, response):
#xpath為response中的方法,可以將xpath表示式直接作用於該函式中
odiv = response.xpath('//div[@id="content-left"]/div')
content_list = #用於儲存解析到的資料
for div in odiv:
#xpath函式返回的為列表,列表中存放的資料為selector型別的資料。我們解析到的內容被封裝在了selector物件中,需要呼叫extract()函式將解析的內容從selecor中取出。
author = div.xpath('.//div[@class="author clearfix"]/a/h2/text()')[0].extract()
content=div.xpath('.//div[@class="content"]/span/text()')[0].extract()
#將解析到的內容封裝到字典中
dic=
#將資料儲存到content_list這個列表中
return content_list
執行爬蟲程式:
scrapy crawl 爬蟲名稱 --nolog:該種執行形式不會顯示執行的日誌資訊
爬蟲安裝scrapy
scrapy框架結構清晰,基於twisted的非同步架構可以充分利用計算機資源,是爬蟲做大的必備基礎。本文將講解如何快速安裝此框架並使用起來。2.1 同安裝lxml庫 2.2 安裝twisted 開啟命令提示符視窗,輸入命令 twisted庫安裝成功後,安裝scrapy就簡單了,在命令提示符視窗直接...
python爬蟲關於scrapy的安裝與簡述
scrapy是乙個為了爬取 資料,提取結構性資料而編寫的應用框架。可以應用在包括資料探勘,資訊處理或儲存歷史資料等 scrapy的安裝方式有多種,本身所需要的依賴的庫也比較多,由於同眾人一樣用的主流3.幾版本的py和windows平台,所以簡介下在windows平台的安裝過程 1.如果本身是在ana...
python爬蟲框架 scrapy 的安裝與使用
1.windows 下 scrapy 的安裝 1.wheel pip3 install wheel 2.lxml 3.pyopenssl 4.twisted 5.pywin32 6.scrapy pip3 install scrapy 2.scrapy 的基本執行測試 按照下圖的步驟輸入,如果最後沒...