码迷,mamicode.com
首页 > 其他好文 > 详细

初识Scrapy

时间:2019-08-30 22:50:11      阅读:124      评论:0      收藏:0      [点我收藏+]

标签:set   ext   打印   问题   def   coding   imp   pat   初识   

Scrapy常规命令与文件目录解读

 1 Scrapy
 2     # 创建project
 3     scrapy startproject wyb
 4     wyb
 5         wyb/
 6             spiders           # 爬虫文件
 7                 chouti.py
 8             items.py          # 持久化
 9             middlewares.py    # 中间件
10             pipelines.py      # 持久化
11             settings.py       # 项目配置文件
12         scrapy.cfg            # 配置文件(部署)
13       
14       
15     cd wyb
16     # 创建爬虫
17     scrapy genspider chouti chouti.com
18     
19     # 启动爬虫
20     scrapy crawl chouti
21     scrapy crawl chouti --nolog  # 不打印日志

简单实例:用scrapy爬取抽屉热榜

 1 # -*- coding: utf-8 -*-
 2 import sys
 3 import os
 4 import io
 5 import scrapy
 6 
 7 # sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding=‘gb18030‘) 编码问题
 8 
 9 
10 class ChoutiSpider(scrapy.Spider):
11     name = chouti
12     # 爬取定向的网页 只允许这个域名的
13     allowed_domains = [chouti.com]
14     start_urls = [http://chouti.com/]
15 
16     def parse(self, response):
17         from scrapy.http.response.html import HtmlResponse
18         # print(response, type(response))
19         # print(response.text)
20         f = open(new.log, a+)
21         item_list = response.xpath(//div[@id="content-list"]/div[@class="item"])
22         for item in item_list:
23             text = item.xpath(.//a/text()).extract_first()
24             href = item.xpath(.//a/@href).extract_first()
25             print(href, text.strip())
26             f.write(href+\n)
27         f.close()
28 
29         page_list = response.xpath(//div[@id="dig_lcpage"]//a/@href).extract()
30         for page in page_list:
31             from scrapy.http import Request
32             page = "https://dig.chouti.com"+page
33             # 继续发请求,回调函数parse
34             yield Request(url=page, callback=self.parse)

 

初识Scrapy

标签:set   ext   打印   问题   def   coding   imp   pat   初识   

原文地址:https://www.cnblogs.com/Alexephor/p/11432195.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!