码迷,mamicode.com
首页 > 其他好文 > 详细

Scrapy抓取起点中文网排行榜

时间:2018-07-17 23:22:48      阅读:170      评论:0      收藏:0      [点我收藏+]

标签:import   pid   接下来   page   项目   type   取数   from   self   

项目名称:qidian

项目描述:利用scrapy抓取七点中文网的“完本榜”总榜的500本小说,抓取内容包括:小说名称,作者,类别,然后保存为CSV文件

目标URL:https://www.qidian.com/rank/fin?style=1

项目需求:

  1.小说名称

  2.作者

  3.小说类别

第一步:在shell中创建项目

scrapy startproject qidian

第二步:根据项目需求编辑items.py

1 #-*- coding: utf-8 -*-
2 import scrapy
3 
4 class QidianItem(scrapy.Item):
5     name = scrapy.Field()
6     author = scrapy.Field()
7     category = scrapy.Field()

第三步:进行页面分析,利用xpath或者css提取数据,创建并编辑spider.py

 1 # -*- coding: utf-8 -*-
 2 import scrapy
 3 from ..items import QidianItem
 4 
 5 class QidianSpider(scrapy.Spider):
 6     name = qidian
 7     start_urls = [https://www.qidian.com/rank/fin?style=1&dateType=3]
 8 
 9     def parse(self, response):
10         sel = response.xpath(//div[@class="book-mid-info"])
11         for i in sel:
12             name = i.xpath(./h4/a/text()).extract_first()
13             author = i.xpath(./p[@class="author"]/a[1]/text()).extract_first()
14             category = i.xpath(./p[@class="author"]/a[last()]/text()).extract_first()
15             item = QidianItem()
16             item[name] = name
17             item[author] = author
18             item[category] = category
19             yield item

  上面这里是一页的数据,接下来抓取一下页的连接(因为项目过于小巧,我认为没必要用到一些高大上的方法来实现,直接观察URL的构造规律就可以简单写出代码),下面是spider.py的完整代码

 1 # -*- coding: utf-8 -*-
 2 import scrapy
 3 from ..items import QidianItem
 4 
 5 class QidianSpider(scrapy.Spider):
 6     name = qidian
 7     start_urls = [https://www.qidian.com/rank/fin?style=1&dateType=3]
 8     n = 1 #第一页
 9 
10     def parse(self, response):
11         sel = response.xpath(//div[@class="book-mid-info"])
12         for i in sel:
13             name = i.xpath(./h4/a/text()).extract_first()
14             author = i.xpath(./p[@class="author"]/a[1]/text()).extract_first()
15             category = i.xpath(./p[@class="author"]/a[last()]/text()).extract_first()
16             item = QidianItem()
17             item[name] = name
18             item[author] = author
19             item[category] = category
20             yield item
21
22 if self.n < 25: 23 self.n += 1 #n表示页码 24 next_url = https://www.qidian.com/rank/fin?style=1&dateType=3&page=%d % self.n 25 yield scrapy.Request(next_url, callback = parse)

第四步:启动爬虫并保存数据

scrapy crawl qidian -o qidian.csv

  

Scrapy抓取起点中文网排行榜

标签:import   pid   接下来   page   项目   type   取数   from   self   

原文地址:https://www.cnblogs.com/Alfred-ou/p/9326296.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!