scrapy爬取段子

标签：ems   response   rom   ext   odi   microsoft   uil   coding   不能   

scrapy.py

1.cmd运行scrapy shell http://www.baidu.com

response.xpath(‘//div[@aa="bb"]‘) 找到需要匹配的内容 ##仅供参考语法，内容不准确

2.cmd运行：

scrapy startproject sunbeam(名字随意)

然后在pycharm打开项目sunbeam

3.在items.py编辑需要爬取的内容：

# -*- coding: utf-8 -*-
# Define here the models for your scraped items
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html
import scrapy
class MyspiderItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    create_time = scrapy.Field()
    content = scrapy.Field()
    digg_count = scrapy.Field()
    favorite_count = scrapy.Field()
    comment_count = scrapy.Field()
    author = scrapy.Field()
?

4.在cmd运行scrapy genspider aaa,这时在pytharm的spiders文件夹下会生成一个aa.py文件（或者手动新建也可以），然后编辑此文件：

# -*- coding: utf-8 -*-
import scrapy
import time
import json
from myspider.items import MyspiderItem
?
class NhsqSpider(scrapy.Spider):
    name = ‘nhsq‘ #名字必须唯一
    allowed_domains = [‘neihanshequ.com‘]
    #第一种方法，start_urls必须是序列或元祖，不能是字符串
    start_urls = [‘http://neihanshequ.com/‘]
#第二种方法，如果不写start_urls就必须写start_requests方法
?
    def start_requests(self):
        url = ‘http://neihanshequ.com/joke/?is_json=1&app_name=neihanshequ_web&max_time={}‘.format(int(time.time()))
        yield scrapy.Request(url,callback=self.parse)
?
    def parse(self, response):
        items = MyspiderItem()
        result = json.loads(response.text)
        data = result.get(‘data‘).get(‘data‘)
        for i in range(20):
            items[‘content‘] = data[i].get(‘group‘).get(‘content‘)
            items[‘create_time‘] = data[i].get(‘group‘).get(‘create_time‘)
?
            yield items
            ‘‘‘
            
            yield scrapy.Request(link,callback=self.parse_item)
            def
            ‘‘‘

scrapy爬取段子

标签：ems   response   rom   ext   odi   microsoft   uil   coding   不能   

原文地址：http://www.cnblogs.com/lajiao/p/7854086.html