Scrapy爬博客园

标签：response   main   homepage   ons   pid   nbsp   import   展示   com   

D:
进入D盘

scrapy startproject cnblogs
创建博客园项目

cd cnblogs
进入项目根目录

scrapy genspider blog www.cnblogs.com
创建爬虫文件

blog.py：

# -*- coding: utf-8 -*-
import scrapy


class BlogSpider(scrapy.Spider):
    name = ‘blog‘
    allowed_domains = [‘www.cnblogs.com‘]
    start_urls = [‘http://www.cnblogs.com/‘]

    def parse(self, response):
        homePage = response.css(‘div.post_item_body‘)
        # 提取首页展示的正文，保存至变量homePage

        for v in homePage:
            # 循环获取每一条里面的标题与作者
            titlelnk = v.css(‘.titlelnk::text‘).extract_first()
            # 提取标题
            lightblue = v.css(‘.lightblue::text‘).extract_first()
            # 提取作者

            """
            接下来进行写文件操作，每个名人的名言储存在一个txt文档里面
            """
            fileName = ‘%s-帖子.txt‘ % lightblue
            # 定义文件名,如：作者-帖子.txt

            with open(fileName, "a+") as f:
                # 不同作者的标题保存在不同的txt文档，“a+”以追加的形式
                f.write(titlelnk)
                f.close()

scrapy crawl blog
运行爬虫

首页展示的20条博客的标题和作者：

Scrapy爬博客园

标签：response   main   homepage   ons   pid   nbsp   import   展示   com   

原文地址：https://www.cnblogs.com/yjlch1016/p/9266065.html