标签：cto false res src XML 表示 方法 实例 继承
目标爬取拉钩：
先进入虚拟环境workon ……
先介绍一个命令
scrapy genspider --list >>> basic crawl csvfeed xmlfeed
如果不指定默认是basic
新建拉勾网的爬虫
scrapy genspider -t crawl lagou www.lagou.com
CrawlSpider是scrapy提供一个通用Spider。在Spider里面，我们可以指定一些爬取规则来实现页面的提取，这些爬取规则由一个专门的数据结构Rule表示。Rule里面包含提取和跟进页面的配置，Spider会根据Rule来确定当前页面中的哪些连接需要继续爬取，哪些页面的爬取结果需要用哪个方法解析等。
rules = ( Rule(LinkExtractor(allow=r‘Items/‘), callback=‘parse_job‘, follow=True), )
实例化类，回调函数就是类的方法名称的字符串形式。
CrawlSpider继承自Spider类。除了Spider类的所有方法和属性，他提供了一个非常重要的属性和方法。
1，rules，他是爬取规则属性，是包含一个或多个Rule对象的列表。每个Rule对爬取网站的动作都做了定义，CrawlSpider会读取rules的每一个Rule并进行解析。
2，parse_start_url()，他是一个可以重写的方法，当start_urls对应的Ruquest得到Response时，该方法被调用，他会分析Response并必须返回Item对象或者Request对象。
这里最重要的内容莫过于Rule的定义了，他的定义和参数如下所示：
class Rule(object): def __init__(self, link_extractor, callback=None, cb_kwargs=None, follow=None, process_links=None, process_request=identity): self.link_extractor = link_extractor self.callback = callback self.cb_kwargs = cb_kwargs or {} self.process_links = process_links self.process_request = process_request if follow is None: self.follow = False if callback else True else: self.follow = follow
标签：cto false res src XML 表示 方法 实例 继承
原文地址：https://www.cnblogs.com/zhoulixiansen/p/10029050.html
