标签：ext open 初始 body bsp domain request对象 lock 创建
pip install scrapy
windows可能安装失败，需要先安装c++库或twisted，
pip install twisted
scrapy startproject tutorial
该命令将会创建包含下列内容的 tutorial 目录:
tutorial/ scrapy.cfg tutorial/ __init__.py items.py pipelines.py settings.py spiders/ __init__.py ... scrapy.cfg: 项目的配置文件 tutorial/: 该项目的python模块。之后您将在此加入代码。 tutorial/items.py: 项目中的item文件. tutorial/pipelines.py: 项目中的pipelines文件. tutorial/settings.py: 项目的设置文件. tutorial/spiders/: 放置spider代码的目录.
为了创建一个Spider，您必须继承 scrapy.Spider 类，定义以下三个属性
scrapy genspider dmoz dmoz.com 终端命令可以直接完成这步操作
1 import scrapy 2 3 class DmozSpider(scrapy.Spider): 4 name = "dmoz" 5 allowed_domains = ["dmoz.org"] 6 start_urls = [ 7 "http://www.dmoz.org/Computers/Programming/Languages/Python/Books/", 8 "http://www.dmoz.org/Computers/Programming/Languages/Python/Resources/" 9 ] 10 11 def parse(self, response): 12 filename = response.url.split("/")[-2] 13 with open(filename, ‘wb‘) as f: 14 f.write(response.body)
scrapy crawl dmoz
过程：Scrapy为Spider的 start_urls 属性中的每个URL创建了 scrapy.Request 对象，并将 parse 方法作为回调函数(callback)赋值给了Request；Request对象经过调度，执行生成 scrapy.http.Response 对象并送回给spider parse() 方法。
xpath(): 传入xpath表达式，返回该表达式所对应的所有节点的selector list列表 。
css(): 传入CSS表达式，返回该表达式所对应的所有节点的selector list列表.
extract(): 序列化该节点为unicode字符串并返回list。
re(): 根据传入的正则表达式对数据进行提取，返回unicode字符串list列表。
scrapy shell "http://www.dmoz.org/Computers/Programming/Languages/Python/Books/"
1 import scrapy 2 3 class DmozSpider(scrapy.Spider): 4 name = "dmoz" 5 allowed_domains = ["dmoz.org"] 6 start_urls = [ 7 "http://www.dmoz.org/Computers/Programming/Languages/Python/Books/", 8 "http://www.dmoz.org/Computers/Programming/Languages/Python/Resources/" 9 ] 10 11 def parse(self, response): 12 for sel in response.xpath(‘//ul/li‘): 13 title = sel.xpath(‘a/text()‘).extract() 14 link = sel.xpath(‘a/@href‘).extract() 15 desc = sel.xpath(‘text()‘).extract() 16 print title, link, desc
请使用手机"扫一扫"x
标签：ext open 初始 body bsp domain request对象 lock 创建
原文地址：https://www.cnblogs.com/siplips/p/9726210.html
